Как перевести видео в текст
Главное правило работы с видео: распознавание не смотрит картинку. Ему нужен только звук — и это меняет весь порядок действий.
Выберите между речью, субтитрами и текстом с экрана
Если нужен разговор из видео, загрузите файл на расшифровку. Если уже есть SRT или VTT, повторно распознавать звук не требуется. Если нужен текст со слайдов, потребуется распознавание изображений: транскрибация речи эту задачу не решает.
Для интервью выбирайте документ с репликами и проверкой цитат. Для публикации ролика — субтитры. Для нескольких уроков — проект с общей оценкой объёма.
Чтение примерно 6 мин · обновлено 2026-09-14
Сначала проверьте, нет ли уже субтитров
У YouTube есть автосубтитры: «…» → «Показать расшифровку видео». Если вам нужен черновик и не нужна пунктуация — вы уже закончили.
У MKV-файлов субтитры часто лежат внутри контейнера отдельной дорожкой и извлекаются бесплатно.
Вытащите звук, а не грузите видео
Одна команда экономит вам гигабайты трафика и минуты ожидания:
ffmpeg -i video.mp4 -vn -acodec copy audio.m4a
Флаг -vn отключает видео, -acodec copy копирует дорожку без перекодирования. Часовой ролик 1080p превращается из 700 МБ в 30 МБ, а звук остаётся тем же самым, без второго поколения потерь.
Что делать без ffmpeg
На Mac: QuickTime Player → «Файл» → «Экспортировать как» → «Только аудио».
На Windows: любая монтажка умеет экспорт аудио; в VLC это «Медиа» → «Конвертировать» с профилем «Аудио — MP3».
Или просто загрузите видео целиком — мы вытащим дорожку сами, если файл укладывается в лимит 8 ГБ.
Форматы, которые ведут себя по-разному
MP4 и MOV отдают AAC-дорожку копированием. WebM отдаёт Opus, но часто без корректной длительности в заголовке. MKV может содержать несколько дорожек и требует выбора. AVI и FLV — старые контейнеры с битыми индексами.
Это не мелочи: от контейнера зависит, получите вы правильные таймкоды или сдвинутые на несколько секунд.
Как получить субтитры, а не сплошной текст
Просите SRT или WebVTT. Разница только в разбиении: до 42 символов в строке для горизонтального видео и до 32 — для вертикального, не больше двух строк на реплику.
SRT принимают YouTube Studio, VK Видео, Rutube, Premiere, DaVinci, CapCut и большинство LMS.
Частые вопросы
Чем извлечение дорожки отличается от конвертации?
Извлечение копирует готовый звуковой поток из контейнера байт в байт (ffmpeg -vn -acodec copy) за секунды и без потерь. Конвертация пережимает звук заново: дольше, и каждый лишний проход через кодек с потерями чуть-чуть портит шипящие.
Что делать с файлом на 20 ГБ?
Извлечь звук локально. Дорожка займёт десятки мегабайт вместо десятков гигабайт.
Можно ли получить текст из видео по ссылке?
Да, для одной публичной записи на YouTube, VK Видео, Rutube, Дзене, OK, Castbox или SoundCloud. Файл из облачного диска сначала скачайте на устройство и загрузите в сервис.