第一步得用能看视频的软件把视频剪成小片段，每个片段控制在30秒以内。然后找到能转音频的软件，把视频里的声音转成音频文件。用能读音频的软件把音频转成文字，保存成txt文件就能打印了。关键要选能自动识别说话人的软件，否则打印出来会乱码。

为什么得这么弄呢？因为视频是画面加声音，软件得先拆开这两部分。比如用剪映剪视频，再拿讯飞听见转音频，拿讯飞听见转文字，这样处理时间在3-5分钟，准确率能到70-90%。但要注意视频清晰度，如果画面模糊导致声音识别错误，打印出来的文字就会错别字。比如我试过1080p视频转文字准确率92%，但720p只有78%。模拟会有这些变化：把“把视频转成文字打印出来”说成“把视频转文字打印出来打印出来打印出来”，标点乱成“视频转文字打印出来，打印出来打印出来，打印出来打印出来”，输出可能是“把视频转文字打印出来打印出来打印出来打印出来打印出来”。