“视频字幕提取”有两种完全不同的需求：一种是听视频里的语音，重新识别为可编辑字幕；另一种是用 ocr 读取已经烧在画面上的硬字幕。先判断字幕来源，才能选对软件。

绘影字幕：从语音生成可编辑字幕

绘影字幕会识别视频中的说话声，生成带时间轴的文字，可在列表中校对、断句和调整样式。口播、访谈和教程本来没有字幕时，它是通过语音重建字幕。

自动识别后不要直接发布。人名、品牌、数字和同音词最容易出错，应该对照原声逐句检查，必要时再导出 SRT 或压制回视频。

视频加字幕：自动识别后还要做双语翻译

“视频加字幕”能把视频语音识别成字幕，并进一步翻译为双语内容，再调整字体、颜色和排版。需要提取文字后立刻做中外文字幕时，步骤较集中。

翻译不能替代原文校对。应该先修正语音识别结果，再开始翻译；否则原文的一个同音错词，可能让整句译文都偏离意思。

雨伞视频转文字：专门提取画面里的硬字幕

雨伞视频转文字主要通过 OCR 读取画面上已经存在的字幕，可设置识别范围、时间段和语言，并导出 SRT 或 TXT。只有画面字幕、没有独立字幕文件时，这种方式更对题。

OCR 准确率受字体、背景对比度、动画效果和视频清晰度影响。可以先把识别区域限制在字幕带，减少画面其他文字干扰，最后仍要手动校对时间码和断句。

视频本来没有字幕，只有说话声，选绘影字幕或“视频加字幕”这类语音识别工具；字已经印在画面上，则要用雨伞的 OCR 提取。先分清语音字幕和硬字幕，比单纯比软件名更重要。