格镜：视频转文字在线转换工具，一键提取字幕+翻译

如何从视频中提取字幕？

打开格镜首页，把本地 MP4、MOV、MKV 直接拖进「视频转文字」入口，系统先调用 FFmpeg 做音轨分离，再用自研 Whisper-zh 模型逐帧识别，3 分钟 480p 短片 18 秒返回完整 SRT。支持中文方言、粤语、中英混说，字准率 97.4%。提取完可在线编辑时间轴，点「导出」即可下载纯文本、SRT、ASS 三种格式，全程无需注册，单日 10 个文件免费。

步骤	操作提示	耗时
上传	拖拽或粘贴 B 站、YouTube 链接	5 s
识别	自动选择 whisper-small 或 large 模型	1/10 视频时长
校正	可视化波形对齐字幕	2 min
导出	一键打包双语 SRT+TXT	1 s

视频提取字幕翻译怎么做最省事？

格镜把「提取」与「翻译」做成同页流水线：字幕生成后右上角出现「AI 翻译」按钮，内置百度、DeepL、OpenAI 三套引擎，可一次生成中英、中日、中韩三语对照。以 10 分钟 vlog 为例，先出中文 1 250 字，再点「中英对照」30 秒得到双语 SRT，自动保持时间码不变。翻译框右侧有「术语词典」，把 UP 主昵称、品牌名写进去，后续视频批量调用，保证人名、产品名不再被错译，节省 80% 人工校对时间。

视频转文字在线转换工具哪家准确率高？

公开测试集 CTC2023 显示，格镜在噪音 20 dB、语速 180 wpm 的短视频场景字准率 97.4%，高于网易见外 95.1%、剪映 93.8%。核心是把 Whisper-large-v3 做了 200 小时中文微调，并叠加语音活动检测 VAD，去掉片头片尾静音，减少幻觉。用户实测 1 小时录屏，格镜仅 7 处同音错字（“分支”→“分枝”），竞品普遍 20+ 处。支持 100 M 大文件，2 小时 4K 视频 5 分钟出稿，浏览器挂机即可，不用开会员也能用 large 模型。

平台	字准率	免费时长	大文件上限
格镜	97.4%	600 min/月	2 G
剪映	93.8%	300 min/月	1 G
网易见外	95.1%	180 min/月	1 G

提取字幕时如何保留背景音乐并只识别人声？

格镜上线「人声分离」开关，基于 Pyannet 语义分割网络，把视频音轨拆成 Vocals/Background 两条，字幕引擎只读 Vocals，因此 BGM、鼓点不会被写成歌词。实测 128 kbps 背景乐下，误识别率从 5% 降到 0.3%。如果视频里混有游戏音效，可在「高级设置」把“最小静音长度”调到 0.8 秒，系统会把小于该长度的噪声当成静音切除，最终字幕干净无“咚咚咚”拟声词，后期几乎不用删行。

在线提取字幕能否直接生成可编辑的图文稿？

可以。格镜「字幕→图文稿」功能把每条字幕按标点合并成段落，再截取对应时间点的视频帧，自动生成左侧图、右侧文的博客草稿。10 分钟教程视频可产出 1 800 字图文，含 25 张关键帧，支持一键复制到 Notion、飞书。图片分辨率 1280×720，体积 <200 KB，可直接发公众号；若勾选「生成 GIF」还能把 3 秒关键动作转成 320p 动图，方便插入知乎答案，实现视频、字幕、图文三料同步分发，流量效率翻倍。

为何选择格镜做视频转文字与字幕翻译？

格镜把「上传-识别-翻译-校正-发布」压缩到同一页面，免安装、免注册即可体验 Whisper-large 级精度；600 分钟/月免费额度对自媒体足够友好，2 G 大文件、2 小时长视频不设会员门槛；独有的「术语词典+人声分离+图文稿」组合，让字幕不仅准，还直接可用、可发。对需要批量出片、跨平台分发的创作者而言，格镜等于免费雇了一位 24 小时在线的听打师+翻译+运营助理，真正做到“视频结束，稿件已好”。如何从视频提取字幕格镜