题主想要导出视频的音频，再提取文字，最后合成到原视频里。在实际使用 影忆 软件达成题主需求的过程中，根本不需要这么麻烦。因为题主想要的就是根据视频的音频内容，生成文字，让视频画面加上字幕啊。用影忆的话，可以直接识别视频的音频内容并自动生成字幕，并可对字幕进行智能科学的编辑。
在自动加字幕这块，影忆的识别准确率远超同类软件，并支持多语种混合识别，包括普通话、粤语、上海话、英文以及多种方言。
电脑端百度搜索 影忆，进入“影忆官网”下载即可。
下载直达：https://www.yingyiapp.com/
在“视频”面板下，点击“添加视频”按钮，在弹出的对话框中选择视频文件导入影忆中。如需识别音频文件中的语音并自动生成字幕，那继续在“音频”面板，点击“添加音频”按钮，在弹出框导入需要识别声音的音频。
在“已添加片段”列表处，右击视频缩略图，选择菜单中的“AI自动加字幕”。在弹出的“AI识别字幕”对话框中，先在右边预览区域选取要识别的视频或音频，然后点击“开始识别”按钮。
注：为了避免后续调整剪辑导致识别好的字幕产生不同步的问题，建议粉丝们确保已完成整个影片的剪辑，再使用“AI识别字幕”功能。
根据视频内容，选择要识别的声音语种：普通话、英语、粤语、上海话、其他方言，再点击“开始识别”按钮，稍等片刻即可识别完成。
