请问有没有可以直接使用的视频文件提取音频的 api 接口，或者说直接视频提取视频文字的 api 接口

[aoizz]

我需要获取视频中的人说的话的文本，比如视频中人说了一段话，我可以直接获取到这段话的文本

我找了一圈没有发现视频直接提取里面语音文字的 api ，

但我知道有音频转文字的 api ，所以只能退而求其次，先转成音频，再转成文本。所以只能看看有没有好一点的解决方案