有很多视频，每个视频都好几小时，中文的，想提取文字，或者说生成字幕也行。有啥好方法吗？ 当然是自己先提取音频。 

是不是必须本地运行，如果是api的话，上传量有点大？
之前用过whisper，但感觉正确率有点低，不如视频网站自带的字幕准