视频转文字免费方案：MP4/MKV/B站视频本地提取文字（2026 版）

想把视频里的讲话变成文字，场景比想象中多：两小时的网课要整理笔记、B站教程想搜关键步骤、访谈录像要做逐字稿、会议录像要出纪要、老录音笔里的 amr 文件要救回来。

这篇文章讲清楚三件事：视频转文字有哪些路子、各种格式（包括让人头疼的 m4s 和 amr）怎么处理、以及为什么"不上传"这件事值得你在意。

视频转文字的三条路子

• 上传型在线工具：把整个视频文件传到对方服务器，云端转写。省事，但视频里有什么就得交代什么。
• 本地软件：Whisper.cpp、MacWhisper、buzz 等，装在电脑上跑。隐私安全，但要安装配置。
• 浏览器本地工具：如 Talk2Text，网页打开直接用，识别过程在浏览器里完成，文件不出本机。

三条路子识别质量都源自 OpenAI 开源的 Whisper 模型，差别主要在隐私、门槛和价格。

常见格式逐个说

MP4 / MOV（最常见）

手机录像、相机素材、微信收到的视频基本都是 MP4。绝大多数工具都支持，选哪个都行；在意隐私就选本地处理。

MKV / AVI / FLV（下载的视频）

影视资源、录播、老设备导出的视频常用 MKV/AVI 封装。不少在线工具不支持，本地工具用 ffmpeg 解容器后提取音轨即可。浏览器方案里，Talk2Text 支持直接拖入 MKV/AVI/FLV，自动丢掉视频轨、只转写音频。

m4s（B站/视频网站缓存）

从B站客户端缓存或某些下载工具拿到的文件常是 .m4s——本质是 fragmented MP4 音轨分段。很多播放器和转写工具不认这个扩展名。处理办法：要么用 ffmpeg 手动转封装（ffmpeg -i input.m4s -c copy output.m4a），要么直接用支持 m4s 的工具。Talk2Text 已支持直接上传 m4s。

AMR（录音笔/安卓通话录音）

老录音笔和不少安卓机默认录 AMR，压缩率高但兼容性差，浏览器原生不支持。需要在转写前转成 WAV/MP3。支持 ffmpeg 兜底解码的工具可以直接吃 AMR 文件。

WMA（Windows 录音）

Windows 老版录音机产物，同样需要转码兜底。

格式支持速查表

格式	典型来源	浏览器原生解码	处理方式
MP3 / WAV / OGG / FLAC	通用音频	支持	直接转写
M4A / AAC	iPhone 录音	部分支持	自动转码兜底
MP4 / MOV / WEBM	手机/相机视频	部分支持	提取音轨转写
MKV / AVI / FLV / TS	下载视频	不支持	ffmpeg 转码兜底
m4s	B站缓存/分段流	不支持	ffmpeg 转码兜底
AMR / 3GP	录音笔/安卓	不支持	ffmpeg 转码兜底
WMA	Windows 录音	不支持	ffmpeg 转码兜底

为什么"不上传"值得在意

视频比纯音频泄露的信息多得多：画面里的白板、桌面上的文件名、背景里的对话。把两小时的内部会议录像传给第三方服务器，很多公司合规过不了，个人也未必放心。

浏览器本地转写的含义是：视频文件由你电脑上的浏览器亲自解码、识别，全程没有字节离开设备。关掉网页，一切清空。

实操：B站视频转文字（举例）

1. 拿到音频/视频文件（缓存的 m4s、下载的 MP4 均可）。
2. 打开 Talk2Text，把文件拖进上传区。
3. 选择模型档位：日常清晰人声选"快速"，嘈杂或口音重选"高精度"。
4. 等进度跑完，在线校对编辑，导出 SRT / VTT / TXT。

整个过程不需要注册、不需要付费、文件不上传。首次使用会下载一次识别模型（之后有缓存）。

FAQ