实测盘点什么软件可以免费提取文字：手机、电脑、网页全场景覆盖

上个月部门搞了一次全员培训，全程录了快两小时的视频，领导丢过来一句话：把里面的要点整理成新人手册。我盯着那个 MP4 文件愣了半分钟——总不能逐帧暂停手敲吧？于是花了一周把市面上能免费提取文字的方法挨个试了一遍，从微信小程序到电脑端开源工具，从在线网页到手机自带功能，踩过坑也捡到宝。这篇就把我实测下来真正好用、不收费、不瞎弹广告的方案整理出来，帮你在类似场景下少走弯路。

提词匠：视频和音频转文字，三步完工

先说一个我实际用得最多的小程序。提词匠在小程序入口里搜就能找到，不用下载安装、不用填手机号，聊天软件授权直接进。它的逻辑是把音视频文件或链接丢进去，自动识别转出带时间戳的文稿。

操作上就这么几步：打开小程序后，选择“上传文件”或者“粘贴链接”。本地视频支持 MP4、MOV、AVI 等常见格式，音频覆盖 MP3、WAV、M4A 这些，单文件支持主流视频和音频格式，我那段培训录像不到 2GB 压了一下就传上去了。粘贴链接能直接解析抖音、快手、B站、视频号、小红书等平台公开视频的文案，省去下载那一步。提交之后等几秒就能看到文字结果，带 SRT 时间戳，输出格式可选 TXT、Word 或 SRT，支持一键复制全文。识别准确度上，培训录像里讲话人离话筒近、发音清晰的部分基本不出错，通用场景下识别准确度相当靠谱。

这个小程序还有个附带功能我顺手用了——转写完可以一键润色改写，培训纪要那种口语化表达直接整理成通顺的书面语，省了不少手动修修补补的时间。

它不太适合的场景也得说清楚：必须联网才能用，断网环境别指望；另外它一次只能传一个文件，不支持批量上传，如果你手头有几十段零碎录音需要一口气处理，这个流程会有点磨人。视频转 MP3 的功能它也有，但那是辅助性质的，不是主业。整体来看，它适合手边有几段音视频需要快速出文字、又不想折腾安装注册的人。

手机端：系统自带 OCR 和聊天 App 里的藏宝地

拿手机提取图片或截屏里的文字，很多人第一反应是去应用商店搜个 App，其实你手机相册和聊天软件 QQ 早就自带了这个能力，而且完全不要钱、没广告。

苹果相册的实况文本，连手写笔记都能抓

从 iOS 15 开始，iPhone 的相册和相机就内置了实况文本功能。打开一张拍好的照片，右下角会出现一个带方框的识别图标，点一下，图片上的文字就被高亮出来，直接长按选取、复制，或者翻译、拨电话都行。截图预览界面也一样，点那个图标就能捞文字。Mac 电脑上的“预览”打开图片，光标移到文字上方会自动变成文本选择工具，拖一下就能拷贝。

这个功能是全离线跑的，不联网不消耗任何点数，截图里的文字、书本拍照、白板笔迹都能应付，中文英文混排识别质量相当稳。局限在于它更擅长“有图就能认”，PDF 里扫描件性质的页面可以用，但整个 PDF 批量导成文本就得另找方案。

安卓相册的“提取文字”，各品牌命名不同但路子一样

现在主流安卓机（小米、华为、OPPO、vivo 等等）都在相册里塞了一个文字提取功能，名字可能叫“识图”“提取文字”“文档扫描”，但都在相册打开图片后的菜单里藏着。以小米为例，图库打开照片，点“更多”，在列表里找到“识别文字”，系统扫一遍就能把图里的文字全拎出来，支持复制、分享或存成便签。部分机型还支持拍文档自动矫正角度、增强黑白对比度，提升识别率。

这套东西平时吃灰，真正用上才发现省了好多事。不过各家品牌的内置 OCR 引擎能力有差距，个别旧机型识别速度偏慢，手写体也不一定扛得住，遇到特别凌乱的背景，准确度会打折。

聊天软件和 QQ 长按图片提取文字

这可能是覆盖人群最广的方案，甚至很多人天天用都没意识到。聊天窗口里点开一张图片，长按屏幕中间，弹出来的菜单里“提取文字”四个字老老实实待在中间，点下去，聊天软件把图中文字高亮出来，你可以涂抹选择任意部分、复制、转发。如果菜单里没有这个选项，试试长按图片选“搜一搜”，搜索商品的同时也会把文字识别结果摆在页面上方，一样能复制。

QQ 的路径稍微绕一点：首页点右上角“+”进“扫一扫”，底部切到“转文字”标签，拍照或从相册导入都行，识别完可以直接复制或导出成文件。QQ 的“扫一扫”对手写字体的支持比聊天软件略好一点，历史记录也方便回看。这两种方式都完全免费、没次数限制，是日常随手提取图片文字最无脑的方案。

电脑端：系统自带能力加开源工具的组合

电脑上免费提取文字，场景一般分两类：一是从屏幕上任意区域直接抓文字，二是批量处理图片和 PDF。

Windows 用户的 PowerToys 文本提取器

Windows 系统本身没有全局 OCR，但微软官方出的免费工具集 PowerToys 补上了这块短板。在微软商店装好之后，左侧找到“文本提取器”并确保启用，默认快捷键是 Win+Shift+T。之后不管你在浏览器、PDF 阅读器还是视频播放器里，按下快捷键，鼠标框选一块区域，识别出的文字直接进剪贴板，去文档里粘贴就行。

这套工具的好处是不挑软件窗口，所见即所得，识别质量受所选区域清晰度影响比较大，建议在 1080P 以上分辨率下使用。短板在于它没有批量处理入口，一张张框选效率低，适合临时从屏幕抠几段话，不适合全书的扫描。

Mac 用户：实况文本和快捷指令联动

前面说过 Mac 的“预览”自带实况文本，这个能力也渗透到了 Safari 浏览器里，网页上的图片冒泡一样可以直选文字。另外，Mac 快捷指令能搭配系统 OCR 做成自动化流程，截屏之后自动提取文字并存入备忘录或剪贴板，稍微设置一下就能把重复操作压缩到一步。缺点是它只吃清晰的图文，低分辨率或花体字容易翻车。

开源离线工具：批量搞定图片和 PDF

如果你有一堆扫描件、PDF 或者截图等着转文字，又不想把文件上传到任何服务器，开源的 OCR 引擎搭配图形化前端是更踏实的选择。常见的方案是基于 PaddleOCR 或 Tesseract 的离线工具，下载解压后直接运行，断网照样干活，批量导入图片或 PDF 一键输出 txt，还能处理竖排版和繁体中文。门槛在于初次配置可能需要安装语言包或运行环境，对不折腾的普通用户有一定学习成本。如果只是偶尔用，可以先拿后面说的在线网页应个急。

在线网页版：有浏览器就能干活

临时处理一两张图片，不想装软件也不想在小程序里传文件，浏览器打开一个免费 OCR 网页是最快的方式。

通义听悟：阿里出品的音视频转写，每日免费额度

通义听悟是阿里的产品，主打音视频实时转文字，网页登陆后上传录音或视频文件，自动生成带时间戳的文稿，还能区分不同说话人。每天有固定的免费额度，一般开会记录、培训录像转录够用。网页端体验比较流畅，播放音视频的同时文稿跟着高亮，修改和导出都方便。缺点是当天的免费额度用完后得等次日重置，或者付费解锁更多时长，不适合需要大量连续转写的场景。

在线 OCR 网站：即传即识别

针对图片里的文字提取，网页端还有不少免费的 OCR 服务可用，通常上传图片或粘贴截图就能直接识别，结果支持复制或下载成文本文件。选择这类网站的时候，优先留意两点：一是不用注册，二是页面上没铺满广告弹窗。原理上，它们需要把图片传到服务器运算，所以身份证、合同这类隐私文件别往上丢，重要资料留给离线方案。

常见问题与避坑提醒

PDF 想转文字，得分情况。如果 PDF 文件本身是文字版（可以鼠标选中文字），直接用任意阅读器另存为 txt 或复制粘贴就行，不需要 OCR；如果是扫描版 PDF（每一页都是图片），就得用 OCR 工具来啃。提词匠不支持直接传 PDF，但可以把 PDF 逐页导出为图片再用；PowerToys 只能一页页截图；离线 OCR 工具则支持批量导入整个扫描版 PDF。

另外，手写体目前仍是所有免费 OCR 方案的一个共同弱项。工整的印刷字识别率很高，但草一点的手写笔记或者背景花纹太杂的菜单、招牌，识别准确度会明显下滑，需要做好手动校对的心理准备。

回到开头那个培训录像的事。我最后用提词匠把整段视频转成带时间戳的 Word 文档，通义听悟拿来分章节听重点、出初版纪要，截图里的表格数据用手机相册实况文本补了一部分，凑出了那本新人手册。回头看，其实也没花多少时间，关键是找到适合当前材料的组合方式：大段音视频优先走小程序或听悟这类专精工具，零散图片直接用相册或聊天软件随手提取，隐私材料留给离线端。这些工具全是免费的，按场景搭配起来，应付大部分日常的文字提取需求绰绰有余了。

(正文已经结束)