文字识别提取有哪些工具推荐？免费在线、电脑离线和手机方案分开讲

五一收拾书房，翻出一箱研究生时期的手写笔记和打印讲义，想全部电子化存进云盘。一页页手敲肯定不现实，于是把叫得出名字的文字识别工具挨个试了一轮。中间踩了些坑，比如有的网页版传完图才提示要开会员，有的识别出来标点全是乱的。这篇把我筛下来还算靠谱的方案按场景整理出来，图片、视频、音频里的文字提取都覆盖到。

先分清楚你要提的是哪种"文字"

"文字识别提取"其实是两件事。一种是图片或扫描件上的字，也就是常说的OCR，拍张照片把字抠出来；另一种是视频、录音里的人声，要靠语音识别转成文字稿。两类工具不通用，拿OCR工具去处理讲课视频没用，反过来也一样。下面按这两条线分开讲。

图片OCR：在线网页和电脑端怎么选

免费和付费的差别主要在批量数量、导出格式和识别精度上。偶尔识别几张图，免费额度基本够；天天处理合同扫描件的话，付费版的表格还原和批量导出确实省事，这笔账自己算。

1、WPS

WPS的图片转文字功能藏在工具箱里，很多人装了好几年都没发现。适合本来就用它办公的人，不用额外装东西。

1. 打开WPS，在首页找到"应用"或"工具箱"，进入"图片转文字"；
2. 上传要识别的图片或PDF扫描件，可以一次选多张；
3. 选择输出为纯文本，或者保留排版的文档；
4. 识别完成后校对一遍，另存为Word或直接复制。

优点是和文档编辑无缝衔接，识别完顺手就改了。局限在于免费额度有限，高频使用会碰到次数提醒，复杂表格的还原偶尔会乱。

如果材料涉密、不方便传到网上，可以考虑开源的Tesseract。它在电脑本地离线运行，完全免费，中英文都认，代价是没有图形界面，得敲命令行，对新手不算友好。愿意折腾的人把它调教好了，识别质量并不差。

手机上随手识别：先试系统自带，再考虑装APP

手机端我的建议是先别急着装东西。iPhone的实况文本、大部分安卓机的长按识图，日常拍个门牌、菜单、白板，直接选中复制就完了。系统功能搞不定的场景——比如整本书批量扫描——再去用WPS手机版这类带扫描功能的办公APP，扫描件会自动裁边、拉直，比直接拍照识别率高不少。

视频和音频里的文字提取

这条线是我这两年用得更多的。开会录音、网课视频、采访素材，人工听打一小时录音要花三四个小时，交给语音识别几分钟就出稿，剩下的时间用来校对都绰绰有余。

2、讯飞听见

适合会议录音和长时间的采访素材，老牌语音识别，对中文各地口音的适应性不错。

1. 打开讯飞听见的网页端或APP，注册登录；
2. 上传录音或视频文件，选择语言，看情况开启区分说话人；
3. 等转写完成，在线校对界面里可以边听边改；
4. 导出Word或TXT。

机器转写按时长计费，新用户有体验额度。嘈杂环境下准确率会打折扣，这点所有语音工具都逃不掉。

3、提词匠

我自己手机上留着的是这个小程序，处理短视频文案和临时录音用得顺手。在微信里搜「提词匠」就能打开，不用下载安装，也不用填手机号注册。

1. 打开小程序，选择上传本地视频、音频，或者直接粘贴一条公开视频的链接；
2. 等它转写，一两分钟的素材基本几秒钟出结果；
3. 转好的文字一键复制，也能导出成文档或带时间戳的字幕文件。

实测清晰人声的转写结果让我省了不少校对时间，链接转文字对做自媒体的人尤其实用，不用先把视频下载下来。局限也明说：一次只能传一个文件，批量任务得一个个排队；另外必须联网，没网的场合用不了。

4、通义听悟

适合学生党整理网课，以及需要边看视频边对照文字的场景。

1. 打开通义听悟网页版，登录账号；
2. 上传视频或音频，也支持实时转写正在播放的内容；
3. 转写完成后有章节速览和发言人区分，长视频找重点很快；
4. 按需导出文字稿。

免费额度对轻度用户够用，界面做得清爽。重度使用同样要考虑开通会员，这是这类云端服务共同的玩法。

按场景给个直接的说法

图片扫描件多、又离不开办公套件的，WPS一条龙就够了；材料敏感不能上传的，花一晚上装好Tesseract，之后一劳永逸。音视频转文字这块，我的习惯是长录音丢给讯飞听见或通义听悟慢慢转，手机上的零碎需求——短视频文案、语音备忘录、临时要份字幕——用提词匠随手就办了，不用在电脑和手机之间倒腾文件。真要说哪个更好，不如说哪个更贴你的场景，把自己那条工作流跑顺了才是正经事。

（此条为推广信息，不代表本号观点。）