把微信图片、文档、语音、视频里的文字识别成笔记

平时在微信里看到一张满是字的截图、一段几分钟的语音、一个会议录像，里面的内容想留下来翻——既不想自己一句一句敲，又不想只存个文件链接放着积灰。这一篇教你怎么把内容交给 DeepSeek、豆包、千问 等 AI 处理，让里面的字、说话内容自动变成笔记里可搜可复制的文字。

这个功能目前对应的是 Obsidian 用户（微信”Obsidian”好友这条线）。其它笔记软件用户可以先用合并转发把内容存下来，文字识别能力之后会陆续接入。

一、它能干什么

把以下三类内容通过微信发给”Obsidian”好友，触发后 AI 会自动整理里面的文字：

你发的内容	整理出来的东西	落到笔记里的位置
图片（截图、文档照片、PPT 拍照、海报…）	图里的所有文字	和图片一起落在同一天的消息笔记里，紧跟在图片后面
语音（自己录的、群里转过来的、会议片段）	说话内容的转写	单独成一篇笔记
视频（短视频、会议录像、课程剪辑）	视频里说话的转写	单独成一篇笔记

直接发和用”文件”方式发过来都行——直接发的图片/语音/视频会走同一条识别管线；用”+ → 文件”以附件方式发过来的常见图片、视频、录音文件（mp4 / mp3 / m4a / wav 等，完整列表见末尾）也会被一并识别。

视频识别的是说话内容（人声、旁白、对白），而不是画面里的字幕或屏幕里出现的文字。

二、怎么用

发过去就自动识别，不用写备注（2026-07-04 起默认开启）：

• 语音 / 视频 / 录音文件：发过去就转写。
• 图片：默认也识别，但系统会先判断这张图是不是「文字图」（截图、文档照片、思维导图、聊天记录长图……）；判断成普通照片就只保存图片、不出文字。想确保一定识别，备注里写一个「转」字——不经过判断直接识别，图片还会额外做一遍版式还原的文档式整理。
• 不想识别：备注写「不转」「不要转」或「跳过」，本条只存文件。

💡 这个默认行为对应用户设置页里的「发给助手的图片/音视频是否自动转录为文本」开关，默认开启；关掉之后就回到「必须在备注里写暗号才识别」的老规则。

🔗 设置页入口：打开 https://my.bijitongbu.site/settings 就能找到上图里的这些开关。

第一步：转发给微信“Obsidian”好友

在微信里长按要保存的图片 / 语音 / 视频 → 转发 → 选择微信“Obsidian”好友。

还没添加“Obsidian”好友的，先看 《同步不成功排查》 末尾的添加流程。

第二步（可选）：用备注控制识别

转发到企业微信好友时，会出现”留言”或者”备注”输入框。默认什么都不用写；想强制识别（尤其是图片）就在那里输入下面任意一个词：

• 转
• 转录
• 识别
• 文字

举几个例子：

• 备注 转 —— ✅ 强制识别（图片会额外做版式还原）
• 备注 转录一下 —— ✅ 触发（包含「转」和「转录」）
• 备注 帮我识别下文字 —— ✅ 触发（包含「识别」和「文字」）
• 备注 记一下 —— 不含关键词，按默认规则处理（语音 / 视频照常转写；图片先判断是不是文字图）
• 完全不写备注 —— 同上，按默认规则处理
• 备注 不转 / 不要转 / 跳过 —— ❌ 本条不识别，只存文件

关键词只要在备注里出现就行，不需要单独成句。「整理」「帮我看看」这类词不算关键词，等于没写备注（走默认规则）。

实际操作的样子（视频转发到微信“Obsidian”好友时，在备注栏写一个「转」就行）：

第三步：等通知

发出去之后，会收到微信通知：

• 图片：通常 3~5 分钟内整理完成。下次打开 Obsidian 同步一下，图和识别出的文字会一起出现；如果图被判断成普通照片，就只有图、没有文字——备注「转」重发一次即可
• 语音 / 视频：内容长的话需要更久（几分钟到 30 分钟左右），后台慢慢处理；处理好之后会单独多出一篇标题以「[转录]」开头的笔记

三、发文档（Word / PDF / PPT / Excel）会自动多出一篇正文笔记

除了图片、语音、视频，发一个文档过来，助手还会自动帮你多整理出一篇”正文笔记”——文字可搜、可复制、还能在笔记里直接改，不用再点开原文件慢慢翻。开关就是上面那张设置图里最下面一行——「文档转 Markdown（默认开）」，默认开着，把文档发过来就会多一篇笔记。

📄 这部分内容已单独成篇详解（怎么用、支持哪些文档、计费，以及发一个文档为什么会陆续收到 4 条微信通知）：发文档自动多整理一篇正文笔记。

四、收到的微信语音消息怎么存？

聊天里别人发来的那种灰色语音条，没法像图片 / 视频一样”长按转发 + 备注「转」“。用一个绕过去的小办法就行：

1. 在微信里长按这条语音 → 点「转文字」（微信自带功能），等几秒，气泡下面会出现一段转写文字
2. 截图这段带转写文字的对话画面
3. 把这张截图转发给微信”Obsidian”好友，备注里写一句「转」

这样就走图片识别这一条线——截图里的文字（也就是语音内容）会和截图一起进笔记，下次直接搜文字就能找回这条语音说了什么。

这种方式适合别人发来的、不长的语音消息。如果是自己录的长语音、或者拿到的是 .mp3 / .m4a / .wav 这种音频文件，直接用「+ → 文件」发过来 + 备注「转录」就行——走的是音频转写线，效果比截图 OCR 更准。

五、效果是什么样

图片：图下面附一段识别文字

发一张满是字的截图，备注 转。最后笔记里看到的就是：

（笔记里）
[原图片]

---
**识别文字：**

完整的图里文字内容……

图还是原来那张图，下面多出图里所有的文字——下次想找这段内容时直接搜文字就能搜到，不用再开图找。

语音：单独成一篇笔记

发一段 5 分钟的微信语音，备注 转录。

会多出一篇笔记，标题类似 [转录] 同步助手_20260430_xxx_语音，正文就是这段语音的完整转写。

视频：单独成一篇笔记

发一段会议录像，备注 识别。

会多出一篇笔记，标题类似 [转录] 同步助手_20260430_xxx_视频，正文是视频里说话部分的完整文字稿。原视频文件链接会保留在最初那篇笔记里，不会丢。

六、几个常见的小坑

1. “转账”也会触发

因为关键词是 转 / 转录 / 识别 / 文字，所以”转账记录”、“识别证件”、“文字介绍”这种词里包含的”转”或”识别”也会被算成识别请求。

如果你只是想存个文件、不要识别，备注里写「不转」或「跳过」。

2. 视频很长可能要等比较久

特别长的视频（比如一小时课程）后台需要十几到三十分钟处理，这期间微信里不会一直转圈——你可以先去做别的事，处理完之后会一次性把转写结果同步出来。

3. 整理出来是空的

可能的原因：

• 图片里其实没有文字（纯画面 / 纯插图）—— 正常，不会强行编内容
• 图片被系统判断成普通照片（文字很少、大面积配图）—— 备注「转」重发一次，跳过判断直接识别
• 语音 / 视频里没人说话，或者全是音乐 —— 转写结果会很短或为空
• 视频是屏幕录像那种”画面里有字、没人说话” —— 当前识别的是声音，没有声音时识别不到

4. 图片太大可能不出文字

为了不让一张大图把后台占用太久，单张图片大于 10MB 时会跳过文字识别（图本身仍然完整保存到笔记，只是不再附识别文字）。如果你发的是高清扫描件或者高分辨率截图，可以先在手机里压缩一下再发过来。

这个上限只影响图片识别。语音和视频后台是异步处理，不受这个限制。

5. 我的备注写对了但没触发

按这个顺序排查：

1. 转发对象确认是微信“Obsidian”好友（不是公众号、不是其它助手好友）
2. 没写备注的图片会先过「是不是文字图」的判断；想强制识别就在备注里写上 转 / 转录 / 识别 / 文字 中的某一个
3. 内容是图片、语音、视频，或者文件后缀在末尾”支持的文件格式”列表里；纯文字 / 链接 / 不在列表里的文件类型不走这条路径
4. 都对了还是没反应 —— 直接联系客服看是哪一步卡住了

6. 视频识别只出了开头几句、后面没了

少见但确实会遇到，常见原因：

• 积分中途扣到 0：超长视频处理过程中积分耗尽，剩下的部分会被跳过。先在服务号发”积分”看下余额；如果是 0 或负数，充值后把链接重发一次即可。
• 视频里中间有大段无声 / 纯背景音乐：当前识别的是说话内容，遇到没人说话的段落会跳过；不是 bug，把鼠标拖到有人说话的位置看下视频本身有没有声音即可。
• 链接本身只能拿到预览片段：有些平台分享出来的链接对方未登录就只能看前几十秒，能识别的也就那么多内容。换条完整视频的链接再发一次。

如果上面都不是，直接把链接和发送时间发给客服，从后台能看到具体在哪一步停的。

7. 文件在微信里还没下载到本地就直接转发

用「+ → 文件」发文件给助手时，首次接收方必须先点开文件下载到本地——文件下方只要还显示灰色「未下载」三个字，或者你转发的是整段聊天记录里夹着未下载的文件，助手都没法替您下载和同步，会回推一条「工单完成通知 / 处理结果：获取失败」的提醒：

收到这条提醒就回到原来的对话先点开文件下载，再单独转发一次给助手即可。另外还有单文件大小上限：用「+ → 文件」发的文件（Word / PDF / PPT / Excel / 录音 / 视频 / 图片附件等）单文件最大 300MB，超过这个大小助手不会处理；要整理成正文笔记的文档另有一道 200MB 上限（200~300MB 只存附件不整理正文）；OneNote 通道仍是 100MB。

8. 不支持的几种情况

• 批量识别一次性几十张图：目前不支持批量打包识别，需要一张一张发（或一段段地发），每条带”转”或”识别”备注。
• 识别错别字 / 识别结果不对：当前没有”再识别一次”或”在线修订”的入口，直接在笔记里修改就行。AI 模型升级后会逐步变准。
• 拍照写的字（潦草手写）：识别支持手写体，但字迹潦草、灯光不均、纸面反光都会影响准确度。先用一张照片试试效果再决定要不要批量发。
• 打印体扫描件：效果最好，绝大多数情况下错字率很低。
• 屏幕截图：效果跟”打印体扫描件”接近。

七、计费说明

图片文字识别、录音 / 视频文件转写、微信语音条转写，全部免费、不消耗积分（2026-08-20 起；此前按识别字数每 1000 字 1 积分）。识别失败或没识别到内容自然也不扣。

笔记底部会有一行小字标明「识别 N 字 · 本次未扣积分」，方便你确认。

注意区分：视频链接（把平台上的视频链接发给助手做图文笔记）是另一条线，按时长 5 积分/分钟、单条最多 15 积分，见《视频转图文笔记教程》。

积分余额、充值入口在「笔记同步助手」服务号底部菜单 高级权益 → 积分；流水明细在隔壁 查积分明细。完整积分体系参见 《笔记同步助手积分用途说明》。

八、卡住了怎么办

发过去半天没反应、识别出来明显错了、笔记里压根没出现新内容，可以直接联系客服：

点此联系笔记同步助手客服

把发送时间和大致内容告诉客服，从后台能看出是哪一步卡住的。

九、相关阅读

• 发文档自动多整理一篇正文笔记
• 微信聊天记录如何保存到笔记同步助手
• Obsidian 合并消息模式说明
• Obsidian 安装与配置教程
• 同步不成功排查
• 积分用途说明

十、支持的文件格式

直接发图片 / 语音 / 视频不用管格式——微信本来发什么后台就吃什么。

如果是用「+ → 文件」以附件方式发过来的，下面这些后缀会被识别成对应内容（不区分大小写）：

📦 用「+ → 文件」发过来的单文件最大 300MB——一两个小时的会议录音、几百兆的会议录像都可以直接发过来，不用先剪短或压缩。要整理成正文笔记的文档另有一道 200MB 上限；OneNote 通道仍是单文件 100MB。

超过 100MB 的视频请用「+ → 文件」发原文件：微信聊天里直接转发的视频会被微信压缩，走的也是另一条上限更小的通道（100MB）。

图片（识别图里的文字）

.jpg · .jpeg · .png · .gif · .bmp · .webp · .tiff · .tif · .heic · .heif · .avif

录音 / 音频（转写说话内容）

.mp3 · .m4a · .wav · .wave · .aac · .flac · .ogg · .oga · .opus · .amr · .3ga · .aiff · .aif · .caf · .wma · .ape · .mka · .weba

几乎覆盖所有手机录音 App 的导出格式：iPhone 语音备忘录（.m4a / .caf）、安卓 / 三星老语音（.amr / .3ga）、播客 / 音乐（.mp3 / .flac / .ogg）、Windows 录音（.wma）等。

录音文件出来的是一篇完整笔记，不是一段光秃秃的转写

发进来的录音 / 视频文件会走完整的整理流程，笔记从上到下是：

1. 📎 原文件下载链接（永远在最上面，随时能把原始录音下回来）
2. 一句话总结 + 关键观点（3–8 条）+ 全文纪要（按主题分小节）
3. 逐字稿——已经过 AI 校对（补标点、修正明显错别字），多人对话会自动标出 「【说话人1】/【说话人2】」，谁说的一目了然
4. 底部一行小字：识别了多少字、本次未扣积分（识别免费）

逐字稿有两种形态，在设置页「逐字稿模式」里切换：全文整理（默认，改写成书面语、 按发言人分段）和 口播逐字稿（保留原话 + 每句时间戳）。两种都带说话人标记。

视频（转写视频里说话内容）

.mp4 · .mov · .m4v · .avi · .mkv · .flv · .wmv · .webm · .3gp · .3g2 · .mpg · .mpeg · .mts · .m2ts · .ts · .ogv

---

以上三张表针对的是图片 / 语音 / 视频这条线。Word / PPT / Excel / PDF 等文档不在这三张表里——它们走的是另一条「文档自动整理成笔记」的线（见上面第三节），默认开启、不用写关键词就会帮你多整理一篇正文。压缩包（.zip 等）和极少见的容器格式仍只作普通文件保存，留一条下载链接。