先看结论
“工具 → 音视频转文稿”读取所选文件里的语音，生成可编辑文稿。音频支持范围取决于设备解码能力，视频当前请选择 MP4。它识别声音，不识别视频画面上已经烧录的字幕；只有背景音乐或没有声音的画面不会自动变成文稿。
操作步骤
- 打开“音视频转文稿”，点击“选择音视频文件”，从系统文件选择器选中一个文件。
- 等待读取媒体信息，确认选中的是音频或视频、文件和音轨信息正确。
- 点击“开始转文稿”。按页面提示完成必要的准备，等待离线模型加载、解码、识别、整理和保存。
- 处理期间保持页面开启；同一工作台一次只处理一个任务。如需停止，点“取消”并确认。
- 完成后先查看识别结果，必要时打开全屏预览；点击“编辑文稿”进入已创建的本地文稿，校对后再开始提词。
怎样提高结果可用性
优先使用人声清楚、背景音乐较轻的素材。多人同时说话、方言、噪声和专有名词会影响识别；识别后的标点和分段也要复核。视频只读取可用音轨，不必先用“提取音频”生成中间文件。
失败或中断怎么办
- 提示没有音轨——换用带有声音的视频或音频文件。
- 提示不支持解码——换用设备可播放、可解码的常见格式；视频须为 MP4，修改扩展名不能完成格式转换。
- 提示没有识别到有效文字——检查素材里是否有人声，或先用较短、清晰的片段验证。
- 提示保存失败——按提示检查文稿数量与保存状态后重试，不能只看到识别进度结束就认为文稿已创建。
识别不上传源文件，取消也不会修改或删除原素材。生成的文稿保存在本机，其后是否同步按你的私人同步设置执行。