大熊视频转文字在线在线视频转文字，提取视频中的语音文案，可校对、复制或导出 TXT。
无需注册登录，每日提供免费使用次数，单份音轨最长30分钟。
或将文件拖放到此处
支持主流音视频格式，包括 MP4、MOV、MKV、MP3、WAV、M4A，单个文件 ≤ 512 MiB文字与校对内容自动保存在当前浏览器，不保存音视频。清理浏览器数据会删除历史；重要内容请导出 TXT。
暂无转换记录
视频语音转文字识别的是说话的内容。导入一份素材，联网识别音频，校对后复制或导出 TXT，方便整理笔记与文案。
选择一份本地音视频文件，支持 MP4、MOV、MKV、WebM、MP3、WAV、M4A 等常见格式；也可以粘贴抖音、B站等平台的分享链接。
浏览器提取音轨并上传音频片段后，云端 AI 语音识别会把普通话内容转换为简体中文文字，长音频按片段依次识别，失败可从断点继续。
识别完成后直接在页面校对人名、术语和数字，一键复制或导出 TXT 文本，方便整理笔记、文案和稿件。
云端识别普通话，输出简体文字；在同一页面试听、校对和导出，便于整理视频内容。
采用面向中文优化的 AI 语音识别模型，自动去除识别标签并统一输出简体中文，支持普通话语音转写，人名、术语和数字建议人工校对。
原始视频留在浏览器中，只提取识别所需的音轨片段上传，节省流量，也减少不必要的数据外传。
把视频转换为可编辑、可搜索的文字。一条视频可以变成文案、笔记、稿件和社交媒体内容，无需手动听写。
短视频博主、UP 主和自媒体运营，可以把视频转换为文字稿，再改写成标题、简介、图文笔记和公众号文章，一份素材多处使用。
无需安装识别模型，联网上传音频片段，逐段查看和校对简体中文文字。
无需下载模型或安装插件，打开网页即可使用。长视频自动分段识别，一段完成立即显示，处理进度清晰可见。
识别结果统一转换为简体中文，并自动清理模型标签，校对后可复制或导出 TXT。
识别完成后在同一页面试听素材、修改文字，人名、术语和数字改完再导出，省去来回切换。
粘贴抖音、B站、小红书等平台的分享链接，解析成功后即可识别，无需先手动下载视频。
使用浏览器指纹确认每日免费权限，单份音轨最长30分钟。原始视频不上传，音频片段核验及转发后删除；任务文字保留24小时，联网后可恢复。
需要离线处理、长视频或涉密素材时，可以使用「大熊视频转文字」Windows 电脑软件，在本机完成识别；目前不支持 macOS 和手机。
在本机完成识别，适合长视频、涉密录音和不方便上传的素材。
文字稿保留语音内容，可作为笔记或文案底稿；发布前请试听并校对。
在文件上传中选择带人声的 MP4 视频，检测通过后选择云端识别。单份音轨最长30分钟，文件不超过512 MiB；能否读取还取决于媒体编码和浏览器解码能力。
识别完成后在结果区编辑文字，点击“导出 TXT”保存文字稿。TXT 不含字幕时间轴；也可复制文字到笔记或文档中继续整理。
把课程中的讲解转成文字底稿，再整理重点。超过30分钟的课程需先自行分成多份逐份处理；PPT 和画面文字需要 OCR 工具。
提取的是音视频中说话的内容；画面字幕、PPT 和图片上的文字需要 OCR 工具。
用 MP3、WAV、M4A 录音整理会议、采访和播客文字稿。
粘贴分享链接，解析出带语音的素材后转写，校对后整理文案。
把课程、讲座和视频内容转成可检索的笔记底稿。
整理视频里的口播内容；纯图片和图文笔记不能语音转写。
了解云端识别、音频上传、文字校对和使用限制。
视频转文字工具是一种把视频或音频中的语音内容转换为可编辑文字的工具。大熊视频转文字可以识别普通话音视频，输出简体中文文本，用于字幕整理、笔记和文案创作。
网页版调用云端的 SenseVoiceSmall（FunAudioLLM/SenseVoiceSmall）语音识别模型。浏览器提取音轨后上传音频片段，由云端模型识别为文字，无需在浏览器下载模型。
网页版使用的 SenseVoiceSmall 模型支持普通话、粤语、英语、日语和韩语。直接导入含相应语音的音视频即可，无需手动选择语言。本站主要面向普通话转写，结果中的繁体汉字会统一转为简体，不会自动将外语翻译成中文；识别效果受录音质量、口音和背景噪声影响，建议导出前校对。
当前链接解析服务覆盖：抖音、快手、小红书、哔哩哔哩（B站）、微信视频号、微信公众号、微博、知乎、西瓜视频、今日头条、AcFun、微视、好看视频、梨视频、新片场、央视、央视频、虎牙、美拍、皮皮虾、皮皮搞笑、最右、Soul、绿洲、网易 LOFTER、松果时刻、腾讯频道；QQ 音乐、网易云音乐、酷狗音乐、汽水音乐、全民 K 歌、配音秀；豆包、即梦 AI、小云雀 AI、可灵 AI、海螺 AI、夸克 AI、通义千问、腾讯元宝、星绘 AI；剪映 / CapCut、快影、闲鱼、拼多多、得物、番茄小说、红果短剧、红果漫剧。可粘贴单个公开音视频链接或包含链接的整段分享文本，解析出可下载且含语音的音视频后才能转写，纯文字、图片或图集无法转写。实际可用性受解析服务的平台开关、登录要求、链接有效期和跨域 / 防盗链限制影响；解析或下载失败时，可先保存音视频，再通过文件上传导入。
清晰的普通话录音识别效果较好。背景音乐较大、多人同时说话、方言或专业术语较多时会出现错字，建议识别后在页面中校对人名、术语和数字。
在线识别打开网页即可使用，需要联网，会上传提取出的音频片段；「大熊视频转文字」Windows 电脑软件在本机运行，适合离线、长视频或不希望上传任何内容的场景。
处理时间取决于素材长度、音轨提取、网络和服务状态。长视频会分段识别，已完成的片段会先显示出来。
网页使用FingerprintJS生成浏览器指纹，并将指纹及项目标识提交maquetool.top的每日使用权限接口，不发送会员Token。原始视频留在浏览器中，只上传识别所需的音频片段；片段临时核验并转发至云端后删除。任务服务保存指纹摘要、任务状态及片段文字，任务文字凭任务凭据访问，保留24小时供恢复。文字及校对内容另存当前浏览器的分页转换历史，不保存原音视频；清理浏览器数据会删除本地历史。不允许上传音频的素材，请按保密要求选择 Windows 本地软件。
每日免费次数由服务端配置，单份音轨统一最长30分钟。允许开始时计一次，取消、失败或无识别文字不退次；分包以及24小时内同一任务重试、恢复不重复计次。权限接口响应不明时不会自动再次计次，重新开始可能再次计次。次数用完可了解大熊视频转文字电脑软件。网页没有会员登录、套餐购买或兑换码。
支持 MP4、MOV、M4V、MKV、WebM 视频，以及 MP3、WAV、M4A、AAC、Ogg、Opus、FLAC 音频，单个文件不超过 512 MiB。AVI、FLV、WMA 暂不支持，可先转换格式或使用电脑软件。
视频转文字输出说话内容的文字稿，适合笔记、文案提取和采访整理；视频转字幕还需要每句话的时间轴。在线版目前可校对、复制和导出 TXT，不生成时间轴或 SRT/VTT 字幕文件。需要字幕时可在剪辑软件中另行对齐。
不能。本站通过语音识别提取视频中的口播和对话，不进行画面文字识别（OCR）。没有语音的画面字幕、PPT、图片和小红书图文笔记无法用本工具提取文字。