在线提取视频字幕
AI 语音识别自动将视频中的语音转成带时间轴的文字，一键导出 SRT、VTT、TXT，全程浏览器本地处理
AI 自动识别
基于语音识别模型自动「听写」视频对话，无需手动逐句输入，几分钟得到完整文字稿和时间轴
多语言 + 多格式
支持中英日韩等十余种语言，可导出 SRT、VTT 字幕和 TXT 纯文稿，满足字幕、记录、翻译等多种用途
本地处理保护隐私
音频提取、模型推理与文字生成均在浏览器本地完成，视频不上传任何服务器，隐私内容也能放心处理
拖拽视频文件到此处
或
支持 MP4、WebM、MOV、MKV、AVI 等格式
提取视频字幕的使用场景
内容创作与办公
- 把采访、播客、会议录像一键转成文字稿，快速整理纪要、提炼要点
- 为短视频、Vlog 自动生成字幕文件，校对后直接发布，提升完播率
- 将视频内容转成文字稿，用于二次创作、改写成图文或公众号文章
学习与无障碍
- 提取外语视频字幕作为听力材料，配合精听练习，逐句对照原文学习
- 把网课、讲座录像转成文字，方便检索关键词、做笔记和复习
- 为视频生成字幕提升无障碍访问性，帮助听障人群和静音环境下的观众
使用步骤
上传视频
点击上传区域或拖拽视频文件，支持 MP4、MKV、WebM、MOV 等格式
选择语言与识别档位
选择视频中说话的语言，并按需求选择识别速度与准确率
开始提取
点击「开始提取字幕」，AI 在本地完成音频识别和文字生成
预览并导出
预览识别结果，下载 SRT/VTT/TXT 或一键复制纯文本
关于提取视频字幕工具
VideoKit 在线提取视频字幕工具基于 WebCodecs 与本地 AI 语音识别技术，先从视频中提取音频，再用语音识别模型「听写」出带时间轴的文字字幕，整个过程无需上传服务器。
与「读取已有字幕轨道」不同，本工具是根据音频内容自动生成字幕，因此即使视频本身没有字幕也能提取出文字。识别结果可导出为 SRT、VTT 字幕或 TXT 纯文稿。
所有处理均在本地浏览器完成，视频和识别出的文字不会离开您的设备。推荐使用 Chrome 或 Edge 浏览器以获得最佳性能，长视频建议选择更高准确率的识别档位。
常见问题
这个工具是如何提取字幕的？
本工具使用 AI 语音识别（ASR）技术，自动识别视频中的语音内容并转换成带时间轴的文字字幕。它不是从视频里读取已有的字幕轨道，而是根据音频「听写」生成字幕，因此即使视频本身没有任何字幕，也能提取出文字。识别和转写全部在浏览器本地完成。
支持导出哪些字幕格式？
支持三种格式：SRT（最通用的字幕格式，带序号和时间轴）、VTT（Web 标准字幕，用于 HTML5 视频）、TXT（纯文本文稿，没有时间轴，适合做会议记录、内容稿）。识别完成后可任意下载，也可以一键复制纯文本。
支持哪些语言的视频？
支持中文（简体/繁体）、英语、日语、韩语、西班牙语、法语、德语、葡萄牙语、意大利语、俄语、阿拉伯语、印地语、印尼语、越南语、土耳其语等多种语言。提取前请选择视频中说话的语言，以获得更准确的识别效果。
视频文件会被上传到服务器吗？
不会。音频提取、AI 模型推理和字幕生成全部在您的浏览器本地完成，视频文件不会上传到任何服务器。您的视频和识别出的文字内容完全由您自己掌控，可放心处理隐私内容。
识别速度和准确率怎么选？
工具提供多个识别档位：追求速度可选「最快」或「很快」，适合短视频快速预览；追求准确率可选「更准」或「最准」（最准档位需要浏览器支持 WebGPU）。长视频、中文、有口音或背景噪声的视频建议选更高准确率的档位。首次使用某档位时会下载对应的 AI 模型到浏览器缓存。
提取出的字幕可以直接用于视频吗？
可以。导出的 SRT/VTT 字幕文件带有标准时间轴，可直接在 VLC、PotPlayer 等播放器中作为外挂字幕加载，也可以用我们的「视频添加字幕」工具把它嵌入视频生成软字幕。AI 识别可能存在少量错误，建议导出后简单校对一遍。