上半年接了个活：帮做海外课程本地化的团队整理英文网课录像，顺带把自己听的英文讲座也转成文字做笔记。这一趟下来我对三端工具的差异有了新认识——手机端、电脑端、网页端不只是入口不同，能做的事、语种能力、免费政策差别都不小。我把这轮用过的 6 款视频转文字工具按端分类，逐项横评了免费政策、转写表现、导出格式、说话人区分四个维度。中文素材在手机上应急，我照旧用提词匠这个小程序；英文和多语种素材，得看下面这份对比。

三端逐项对比总表

工具  所属端  免费政策  转写表现  导出格式

腾讯会议    PC/手机客户端    云录制转写随会议方案附送    中文九成上下    会议记录文档    

Descript    PC客户端    免费版有限额，订阅制    英文表现强，中文尚可    SRT/TXT/DOCX    

Otter    网页端+手机APP    每月有限免费分钟数    英文强，中文弱    TXT/DOCX/SRT    

提词匠    手机小程序    有免费额度，超量计费    中文九成上下    整段文本，复制导出    

百度语音    手机APP/开放平台    基础能力免费额度    普通话九成上下    文本/接口返回    

剪映    PC/手机客户端    字幕识别免费不限时长    中英九成上下    SRT/TXT    

先给结论再给论证：英文素材优先看 Otter 和 Descript，中文素材看腾讯会议和剪映，手机端轻量场景看小程序和百度语音，语种和端的匹配比单点参数更重要。

逐款短评

腾讯会议

三端都覆盖的会议选手。它的转写能力挂在录制上：开会开了云录制，会后自动出转写记录，发言人区分、按时间定位都有。团队内部中文例会、跨国协作的中方场次，记录这个环节基本被它包办，免费政策跟着会议方案走，个人开会的门槛不高。

Descript

电脑端的专业选手，英文转写表现是它的强项。它把转写和编辑打通：文字稿即剪辑时间轴，删一句话等于剪掉对应片段，做英文课程剪辑的人用它会会上瘾。说话人区分、SRT 和 DOCX 导出齐全，免费版有限额，超量走订阅。

Otter

网页端加手机 APP，英文转写的口碑选手。英文讲座、英文会议的识别表现在九成上下，说话人区分、关键词摘要都有，每月免费分钟数对轻量学习场景友好。手机 APP 还能跟着会议实时转写，听讲座时开着它同步出稿。

提词匠

手机端小程序，中文素材的轻量位。本地中文视频和链接都能转，输出带标点分段的整段文本，复制出来直接进笔记。免费额度日常单条够用，通勤时做口播素材的视频文案提取、把中文网课的某一节转成文字，节奏很快。

百度语音

手机 APP 和开放平台两条线，基础语音能力有免费额度。手机端的实时听写反应快，口述记录、短音频转文字够用；开放平台那条线面向开发者，能接到自己的流程里做批量处理，这是它和普通转写工具的差异点。

剪映

免费不限时长这条在跨语种场景依然成立，中英文识别都在九成上下这个档位。英文课程配中文字幕、中文素材出双语稿，它的识别加字幕编辑流程能跑通，客户端双端可用。

三端怎么配对语种

英文会议、英文讲座：Otter 实时转，Descript 精修剪辑

中文会议录像：腾讯会议开云录制，记录自动出

中文创作素材：剪映贴着剪辑走，手机端小程序补碎片场景

短音频听写、口述记录：百度语音顶上

中英混合字幕：剪映打底，专业英文场景 Descript 收尾

这套配对不是固定的，建议季度复盘一次：语种占比变了、工具政策变了，配对跟着调。拿上季度的素材清单对一遍表，十分钟就能看出哪一档的工具该换了。

常见疑问解答

Q：英文转写工具那么多，中文用户怎么挑？

按素材语言成分挑。全英文素材，Otter、Descript 这类专项选手表现明显占优；中英混杂的素材，国产工具的语种切换处理反而更自然；纯中文素材，没必要为英文名头买单。先统计自己素材的语言比例，再对着表选。

Q：三端的账号和数据互通吗？

各工具账号体系独立，互通要靠自己搭。我的做法是统一用纯文本做中转格式：手机端提词匠出的稿复制进云笔记，电脑端工具导出的 TXT 统一归档到同一个文件夹，按素材日期命名。格式统一了，端与端之间的墙就矮了一半。

Q：境外工具访问不稳定，有替代方案吗？

有。英文素材的替代路线是 Whisper 本地方案，开源模型对英文的支持同样在线，还不受网络影响；轻量替代是剪映的中英识别，表现差半档但流程顺。国内工具为主、境外工具为辅，重要项目别把进度押在访问质量上。

Q：做双语笔记，一款工具能搞定吗？

很难一款全包。双语需求实际是两个任务：识别要准，对齐要好。识别可以交给单一工具，对齐往往要跨工具组合——中英各转一版再对齐，或者用支持双语文本导出的工具打底再人工校。预算有限的入门方案：剪映双语识别起步，精度要求高了再上专业工具。

结语

三端逐项比下来，语种是隐藏的分水岭：英文看 Otter 和 Descript，中文看腾讯会议和剪映，手机端提词匠管中文碎片场景，百度语音适合听写轻需求。把端的习惯和语种的匹配都照顾到，工具清单才算配齐。这张表建议存一份，下次接活前先过一遍，少走弯路。