第一步先打开要转的视频，用那些带文字识别功能的软件点开看，比如剪映、快影或者专门搞这个的讯飞听见。点开视频后随便选个片段，把时间轴拖到开头，然后点工具栏里的文字识别，选好语言再按开始识别。等软件把文字吐出来后，再点导出或者复制文字，就能拿到的文字了。要注意有些视频背景音乐太吵，识别可能漏字或者标点乱飞，这时候得手动改两下。

为啥得这么搞？因为现在视频转文字就像让手机听人说话，得先让软件知道要听哪段。根据艾瑞咨询前年数据，国内视频处理软件的文字识别准确率平均78%，但背景音量每增加10分贝，准确率就掉5%左右。像讯飞听见这种专业软件，准确率能到92%，但普通工具最多也就80%上下。所以得选好时间段，把杂音多的地方剪掉再转，就像吃饭前先擦桌子，不然菜里容易掉饭粒。另外有些软件会把“比如”说成“比如子”或者“比如者”，这时候得像挑牙一样一个个改回来。