在线提取视频画面文字
用 OCR 逐帧识别视频画面里的文字——硬字幕、标题、弹幕、演示画面文字，自动生成带时间轴的文本，一键导出 TXT、SRT，全程浏览器本地处理
OCR 识别画面文字
逐帧「看」视频画面识别烧录的文字，硬字幕、标题、弹幕、水印文字都能提取，与靠听声音的语音识别互补
可选区域 + 自定义间隔
可只识别底部字幕区提升准确率，采样间隔灵活可调，兼顾速度与完整度，识别结果自动去重合并
本地处理保护隐私
画面解码与文字识别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
提取视频画面文字的使用场景
内容整理与学习
- 把网课、讲座录像里 PPT/板书上的文字提取出来，整理成笔记方便检索
- 提取带硬字幕（字幕烧录在画面上）视频的文字，做成文稿或学习材料
- 提取教程演示视频中屏幕上出现的代码、命令和步骤文字
创作与办公
- 提取短视频里的标题、弹幕、贴纸文字，用于二次创作和分析
- 把只有硬字幕、没有独立字幕文件的视频还原成可编辑的 SRT
- 从产品演示、发布会录像中提取幻灯片上的关键信息和数据
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
选择语言与识别区域
选择画面文字的语言，按需选择整个画面或仅识别底部字幕区
开始识别
点击「开始识别文字」，OCR 在本地逐帧识别画面文字
预览并导出
预览识别结果，下载 TXT/SRT 或一键复制纯文本
关于提取视频画面文字工具
VideoKit 提取视频画面文字工具基于 WebCodecs 与本地 OCR 光学字符识别技术，先把视频逐帧解码成图片，再识别每一帧画面上出现的文字，自动去重合并成带时间轴的文本。
它专门用于识别「烧录在画面上」的文字，例如硬字幕、标题、弹幕、水印和演示画面里的字。如果你想要的是根据声音转写出的字幕，请使用「提取视频字幕」（语音识别）工具。
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你的设备。推荐使用 Chrome 或 Edge 浏览器；OCR 效果与画面文字的清晰度、字号和对比度相关，导出后建议再简单校对。
常见问题
这个工具和「提取视频字幕」有什么区别？
本工具用 OCR 光学字符识别，逐帧「看」视频画面，识别烧录在画面上的文字，比如硬字幕、标题、弹幕、水印文字、PPT/演示画面里的字。而「提取视频字幕」工具用的是语音识别（ASR），根据声音「听写」出说了什么。简单说：画面上有字用本工具，靠听声音用字幕工具。
它是怎么识别画面文字的？
工具会按你设置的采样间隔把视频逐帧截取成图片，再用浏览器本地的 OCR 引擎识别每一帧里的文字，最后自动去重、合并成带时间轴的文字段落。整个过程在你的浏览器里完成，视频不会上传。
支持哪些语言的文字？
支持中文（简体/繁体）、英语、日语、韩语、法语、德语、西班牙语、葡萄牙语、意大利语、俄语、阿拉伯语、印地语、越南语、土耳其语、印尼语等。识别前请选择画面文字对应的语言；中英混排可选择「中文 + English」组合以获得更好效果。
采样间隔和识别区域怎么选？
采样间隔越小识别越完整，但逐帧 OCR 较慢，长视频建议先用 2~5 秒间隔试跑。如果文字集中在画面底部（典型硬字幕），把识别区域设为「仅底部字幕区」可以过滤画面其他干扰、加快速度并提升准确率；否则用「整个画面」。
视频文件会被上传到服务器吗？
不会。视频解码、逐帧截图和 OCR 文字识别全部在你的浏览器本地完成，视频文件不会上传到任何服务器。识别引擎首次使用时会从 CDN 下载并缓存到浏览器，之后可离线复用。
识别结果不准确怎么办？
OCR 效果取决于画面文字的清晰度、字号和对比度。如果结果不理想，可尝试：确认选对了语言、把采样间隔调小、对底部字幕使用「仅底部字幕区」、或先用我们的其他工具把视频调清晰。识别结果导出后建议再简单校对一遍。