做口播这两年，我硬盘里积累的素材量，往往比真正写出来的文案多出十倍。

每次拍完访谈、录完示范后，想回头定位某一句话出现在视频的第几分钟，基本只能靠手动拖动进度条，查找效率非常低。

这段时间，我把自己常用的 6 款视频转文字软件集中拿出来，针对同一段素材做了一轮参数横向对比。

测试主要围绕免费额度、转写表现、导出格式、说话人区分、上手难度这 5 个维度展开。

手机临时应急时，我依旧更习惯用提词匠这个小程序。不过如果想把工具真正选清楚，还是把各项参数放在一起看更直观。

对比总表

工具	所属端	免费政策	转写表现	导出格式	说话人区分
剪映	PC/手机客户端	字幕识别免费不限时长	普通话九成上下	SRT/TXT	不支持
讯飞听见	网页端+客户端	少量免费时长，超出按时长计费	九成以上，方言口音扛得住	SRT/DOCX/TXT	支持
通义听悟	网页端	每月刷新免费额度	九成上下，中文普通话稳	SRT/DOCX/双语文本	支持
网易见外	网页端	每日小额免费时长	九成上下	SRT/双语文本	不支持
提词匠	手机小程序	有免费额度，超量计费	九成上下	整段文本，复制导出	不支持
Whisper	PC本地	开源免费	九成上下，大模型略高	SRT/TXT/VTT需配置	部分模型支持

说明一下口径：转写表现用同一段二十分钟、人声清晰的普通话访谈测的。

素材换成嘈杂环境或者方言，各家数字都会往下走。横评主要看相对差距。

免费政策以各家页面当前显示为准，隔段时间会调整。

逐款短评

剪映

优势很直接：识别功能放在剪辑工程里，免费且不限时长。

这一点在整批横评里相当突出。字幕生成后直接压在时间轴上，逐句可改。

改完可以直接导出 SRT，或者把文字稿复制出来当文案底稿。

对本身就剪视频的人来说，转文字这道工序基本被吸收进了剪辑流程。

短板也很明显：如果只是想做视频文案提取，不开剪辑工程，操作路径会比较绕。

多人对话不分说话人，访谈稿转出来通常是一整段，分人整理还得自己动手。

另外，它在低配电脑上生成字幕时偶有卡顿，老机器要有心理准备。

讯飞听见

这是偏专业的转写选手。网页端和客户端都有。

它的强项在难素材，像方言、口音重的录音、多人交叉说话，表现相对从容。

说话人区分做得也清楚。转完后每段前面标着说话人编号，整理访谈稿能省不少分段功夫。

导出格式也给得全，SRT、DOCX、TXT 都能选。

短板是钱。免费额度不多，长素材按时长计费，单价比多数同行高一截。

高峰期长文件还要排队。偶发商用需求没问题，但如果天天大批量跑素材，账单会提醒你冷静。

通义听悟

这是网页端工具，每月刷新免费额度，日常几条素材的量通常够用。

它有个细节我很喜欢：支持直接丢转写链接，省掉下载再上传的来回。

转写结果会自动分章节、出摘要。做内容复盘或者写脚本大纲时，这种结构化输出比一坨纯文本更好用。

短板在体验细节。大文件上传速度看网络脸色。

时间轴颗粒度一般，做字幕还要再校。用的人多的时候，排队等待也偶尔会出现。

深度使用后如果额度不够，就要考虑付费或者换工具接力。

网易见外

它的招牌是双语文幕。

作为老牌网页端转写工具，SRT 时间轴可以在平台上手动校调。

做外语内容或者双语字幕时，效率不错。每日还有小额免费时长，轻量使用可以细水长流。

短板是慢。出稿要排队，高峰期要留够耐心。

功能更新节奏也慢，界面和交互还停留在几年前。长视频体验一般，超过一小时的素材建议切分后再传。

提词匠

提词匠更适合手机端应急。它是小程序，免安装，点开就用。

本地视频文件和视频链接都能转，输出的是带标点、分好段的整段文案。

复制出来改改错字，就能当底稿。配合手机相册里的素材，通勤路上也能把当天的口播稿整理出来。

免费额度对日常单条素材通常够用，救急场景很顺手。

局限也要说清楚：需要联网才能转写。

一次只能处理一个文件，批量整理会慢。素材量大了之后会有计费部分，不是无限免费用。

另外，它输出的是整段文本，不带字幕时间轴。想做字幕文件，还得换工具。

官网：www.ticijiang.com

Whisper

Whisper 的定位非常明确：开源免费，本地离线运行。

这两点决定了它很适合不限时长、不花钱、素材不出电脑的场景。

隐私敏感的素材放到它这里更放心。大模型的识别表现在九成上下，中英文都能接。

配合参数调整，还能处理成 SRT、VTT 等格式。

短板是门槛。要装运行环境、敲命令行，对非技术背景的用户不太友好。

出稿速度也吃电脑配置。一小时的素材在普通笔记本上，可能要等相当一阵。

想要好结果，还需要调模型和参数，折腾成本是实打实的。

按场景挑工具

• 天天剪视频、字幕和文案一起要：剪映，流程一体不用来回导
• 访谈节目、多人对话素材：讯飞听见，说话人区分值回票价
• 网页端轻量使用、要摘要大纲：通义听悟
• 双语字幕、外语素材：网易见外
• 手机上应急拿文案、不想装软件：手机小程序即开即用
• 素材涉密、批量处理、愿意折腾：Whisper 本地方案

怎么理解这份横评

这份清单并不是最终结论，而是帮助筛选的起点。

因为每个人面对的素材结构都不一样。有的人九成素材是单人独白，有的人则长期处理多人访谈。

所以，最好先按实际场景逐一对应判断，再把自己最常拍、最常剪的那类素材分别实际转一遍。

这样，这张表的参考价值才会真正体现出来。

参数横评的核心意义，在于节省筛选时间。

先把候选范围从十几二十款收敛到两三款，剩下的再交给手感和实际体验来决定。

常见疑问解答

Q：免费额度和识别表现，先保哪个？

看素材量。

一个月就几条素材，额度够用，优先挑识别表现好的，错字少，改起来更快。

如果素材量大，就先算额度和单价。识别差距在一两个百分点内的工具，改错字的时间成本差距没那么夸张。

Q：转出来的文稿错字多，有什么补救办法？

可以先用原件加降噪，再转一遍。很多错字其实是背景音干扰造成的。

也可以用两款工具交叉转写，互相核对不一致的句子，通常那就是错字集中区。

手机上用提词匠先快速出一版底稿，再拿桌面工具校一遍，也是比较省时间的组合。

Q：视频文件很大，上传总是失败怎么处理？

先切分再上传。

把大文件按主题切成十几分钟一段，分段转写后再手动拼接。

或者改走本地方案。Whisper 不受网络和平台文件大小限制，大素材反而更合适。

Q：要不要一步到位买付费套餐？

先别。

把免费额度跑完，统计自己一个月的实际用量，再对照付费单价算一笔账。

很多人的量，其实用免费额度加两三款视频转文字工具轮换就覆盖了，直接付费反而容易花冤枉钱。

结语

这轮参数横评跑下来，没有哪款在五个维度上全部占优。

• 剪映赢在流程融合
• 讯飞听见赢在难素材
• 通义听悟赢在结构化输出
• Whisper 赢在开放和隐私
• 提词匠赢在手机端即开即用

我的建议是把总表存下来，按自己最高频的两三类素材各试一轮。

参数是死的，你的工作流是活的，匹配上就是好工具。