如何把视频转成文字稿：转写只是半程，整理才像「稿」 手动创作

原始素材的来源：电脑两种方式、手机一种方式

文字稿的根基始终是可编辑的文字内容。在电脑上，我通常采用两条获取原始素材的途径：剪映的智能字幕适用于“项目还在剪辑中”的场景；通义听悟则适合“仅需纪要内容而不关心时间轴”的情况。手机端额外补充自己拍摄的短口播片段预览。这三种方式都只产出初始素材，不要在这个阶段幻想可以跳过校对过程。编辑需要的是易于阅读的段落，而不是时间码的罗列。

在选择获取原始素材的方式前，先问自己两个问题：是否还需要调整画面内容？文稿是否需要采用问答格式？如果需要调整画面则优先使用剪映；如果只需纪要则优先使用通义听悟；如果只是在地铁上初步检查是否有遗漏问题，再启动手机方式。问题明确后，就能避免走弯路。

建议将原始素材文件统一放入“01-原始素材”文件夹，整理后的最终文稿放入“02-可排版”文件夹，文件名包含场次和日期。小陈第一周将原始素材和最终文稿混放在同一个文件夹，差点把未清理口头禅的版本发给排版——分层存放比事后补救省时省力。

原始素材方式一：剪映获取可复制字幕文本

如果访谈成片还需要精细剪辑，直接在剪映中识别字幕最节省切换成本：导入视频 → 启用智能字幕 → 在字幕条编辑 → 复制或导出。复制出来的文字通常呈现“每句一行”的状态，后续需要采用合并段落的思路将其揉合成自然段落。这是初始素材的正常形态，并非软件存在故障。

具体步骤：将本地权属清晰的视频拖入时间轴；开启智能字幕功能；在字幕条中纠正错字和人名后复制。噪声片段可以先做标记，在整理阶段重点回听。

如果导出了SRT格式文件，进入文档前建议先观察“合并段落”的前后对比，避免把时间码一同粘贴到正文中。杂志排版最忌讳正文里夹杂时间戳，读者会误以为是排版错误。

原始素材方式二：通义听悟获取带有校对界面的初稿

在不需要画面工程的情况下，通义听悟更接近“文稿”的初始形态：在工作台新建项目 → 上传本地访谈 → 在结果页听取并修改 → 导出文本。具体额度以官网当前页面为准。长访谈建议按主题分段上传，便于对照提纲。

通义听悟的结果通常已带有时间戳或发言人痕迹，在进入杂志文稿前需要决定：是保留“嘉宾：”标签，还是改写为叙述体。小陈在处理人物专访时选择去掉时间戳、保留问答结构；在处理活动侧记时则改写为叙述段落，去掉一问一答的生硬感。体例一旦选定，全文必须统一，不要前半部分问答、后半部分散文。体例写进文件名的备注里，排版同事也能一目了然。

原始素材方式三：喵喵工具助手手机快速获取一份可复制底稿

小陈在地铁上需要先初步查看嘉宾是否有遗漏问题，会使用喵喵工具助手将本地访谈片段转写成文稿。入口走“视频转文字”功能：上传本地视频（一次一条）、等待转写、导出文稿。喵喵工具助手需要联网；按次计费（约2积分/次，以线上配置为准）。喵喵工具助手提供的是初始素材，不是最终文稿——口头禅的清理仍需人工完成。

步骤1：进入正确入口

搜索并打开喵喵工具助手，点击首页的“视频转文字”选项，只上传自己录制或已获得授权的文件。进入正确入口后再上传片段——喵喵工具助手小程序不要误点进其他工具页寻找上传按钮。

步骤2：等待结果并导出

提交后查看转写进度，在结果页先快速浏览，再进行复制或导出。喵喵工具助手一次只能处理一条，长访谈建议在电脑端的通义听悟中运行完整内容，手机只抽取关键片段做预览。

请将喵喵工具助手定位为“初始素材供给”工具，而非“最终审核排版”工具。我在外出抽查自己口播是否说了过头话时会使用它；但在交给编辑之前，仍会回到文档中进行整理工作。

将初始素材精加工成“文稿”：四步整理法

① 分段：按话题换行，不按时间码换行。字幕粒度的文本每句一行时，将同一话题合并成段落；在换问题、换例子处才空行。参考SRT合并段落图的思路，先合并再润色。一段只说一件事，读者才能跟上思路。

② 去除口头禅：删除“就是说”“呃”“然后”“你知道吗”这类词汇——保留不影响语气的少量口语，删除不影响信息的填充词。整篇文稿要处理到读起来顺畅、又不过度书面化。人物专访可以保留一两处口头禅来体现性格特点，活动纪要则尽量保持干净。

③ 专有名词与数字：品牌名称、人名、型号、金额要回听核对，不要相信初始素材中的同音字。剪映、通义听悟、喵喵工具助手都可能在专有名词上出错，这是正常现象。拿不准的名字，回听原始视频或查看嘉宾名片，不要凭猜测。

④ 标点符号与称谓：疑问句加问号，并列内容用顿号或逗号保持统一；访谈文稿统一“问/答”或“记者/嘉宾”，全文采用一种体例。引号内外的标点按照媒体社规范执行，实习生不要自行创造一套规则。

完成这四步，才算是真正的文字稿。跳过整理直接粘贴排版，会被退回——小陈已经替大家尝试过了。她后来将这四个步骤写成检查清单贴在显示器旁，交稿前逐项勾选，退稿率明显下降。

整理阶段还有两个常被忽略的操作：一是“朗读出来”——默读时觉得过得去的句子，朗读时会暴露出断句不顺畅的问题；二是“对照提纲”——访谈前如果有问题清单，最终文稿应按问题顺序重新排列，而不是忠实于录制时的跑题顺序。编辑需要的是可读的叙事内容，而不是录音的还原。小陈从第二稿开始加入“朗读一遍”这一步，人物专访的节奏感立刻好了很多。

交付对照：初始素材 vs 可排版文稿

状态 特征 能否交差

初始素材 口头禅多、段落碎、专有名词不稳定 仅限内部预览

可排版文稿 按话题分段、口语已清理、专有名词已核对 可进入排版/飞书

成片字幕 时间轴对齐、可压制画面 不等于文字稿

老手细节：文件名写“场次-日期-v2整理”，避免初始素材与最终文稿混存；背景音乐大的片段单独回听；导出后立刻另存一份整理副本，不要在原始结果页反复覆盖。使用手机抽取片段预览时，完整文稿仍建议在电脑端通过通义听悟或剪映获取初始素材，再结合文档整理。整理耗时往往接近转写本身——把这块时间写进排期，比临交稿时熬夜更稳妥。交稿前再通读一遍，检查标题与导语是否被误删，实习生最容易在合并段落时把开头的亮点一并清掉。

小陈后来如何交稿

回到“视频转文字稿”这个主题：小陈现在的固定流程是——电脑端通过通义听悟获取完整内容的初始素材，剪映只在需要精细剪辑时并行使用；手机端按次通过喵喵工具助手抽取关键片段做预读；在文档中完成分段、去除口头禅、核对专有名词这四个步骤后再交稿。编辑不再退回“像机器人在自言自语”的版本。

我自己交文字稿时也将喵喵工具助手视为初始素材的来源之一：快速、按次收费、一次一条，但从不省略整理环节。它解决的是“文字从哪里来”的问题，整理解决的是“文稿像不像人写的”问题。两个部分都完成，这个问题才算真正解答完毕。