视频转文字
语音转文字，落到画面上。上传视频，AI 识别其中的人声台词、变成字幕，并直接烧进画面，输出一段带字幕的视频成片，可在页内预览并下载。Recapo.ai。
点击上传或拖入视频文件
支持 MP4、MOV、MKV、WebM、MPEG、MPG、3GP、3GPP 格式
单文件 ≤ 2 GB
源视频时长不超过 60 分钟
极长视频可能因 ASR 音频超过 100MB 而失败，建议先裁剪
上传视频后可调整配置并实时预览效果
文字留在画面上，不在另一个文件里
这里的语音转文字，要的不是一份还得自己管理的文字稿，而是一段观众真的能边看边读到字的视频。Recapo 识别语音、写成字幕、再把字幕烤进画面，做好的片子走到哪都带着文字：在信息流里静音播放、在手机上、在会丢掉字幕轨的播放器里都行。一个文件，字幕在内，不用再额外附带。
- 01
上传你的视频
上传本地视频文件，也可以用链接导入。采访、口播、讲座、播客视频都可以。
- 02
让 AI 识别语音
AI 语音识别会听清音频里说的话，把台词变成干净、易读的字幕行，并和画面上说话的节奏对齐。
- 03
预览并下载带字幕成片
字幕已经烧进画面。在页内预览做好的视频，再下载这段带字幕的 MP4——文字和画面合在同一个文件里。
采访与播客
把回答里的话变成画面字幕，片子一边播观众就能读到原话。
讲座与演讲
把每一个口述要点都做成烤进视频的字幕，方便静音观看。
社媒与信息流视频
交付一版关掉声音也读得懂的带字幕成片，不必再管字幕文件。
从一段人声音频，到一段做好的带字幕视频
AI 一遍走完听写和落字：识别语音，把它变成跟着说话节奏走的字幕行，再渲染进画面。出来的是一段完整的带字幕视频——不是脚本，也不是事后要去对齐的文件——可在页内预览、下载为 MP4。语音进去，一段能看、带字幕的成片出来。
适合这些实际场景
识别中文或英文访谈
设置视频字幕样式
下载烧录字幕 MP4
常见问题
我拿到的是文字文件还是视频？
是视频。Recapo 把说的话变成字幕、烧进画面，你下载的是一段做好的带字幕 MP4——文字和画面在一起，留在视频里，而不是另存成一份文字稿。
我该上传音频还是视频？
上传视频。Recapo 会听清视频音轨里的语音，写成字幕，再把字幕渲染回同一段视频——所以你下载的就是这段带字幕的片子。
如果人名或专业术语识别错了怎么办？
对于清晰的语音，AI 识别表现不错，结合上下文也能认对大多数人名和术语。字幕和语音对齐、烧进最终视频，文字始终对应着画面上正在说的内容。
它和字幕生成有什么区别？
语音转文字给你的是一份完整、可编辑的文字稿，方便用来写脚本、做笔记或搜索内容。字幕生成则是把台词做成跟语音对齐、显示在画面上的字幕行。很多创作者会先转出文字、改好文案，再据此做字幕。