做技术学习的人都遇到过这个问题：一个讲座或课程视频，讲师的PPT信息量很大，但视频不能下载，自己截图截了几十张，整理起来完全乱了，还漏了一堆关键内容。
想系统消化视频里的PPT，靠手动截图几乎走不通。这篇文章整理了几种实测可行的方案。
为什么手动截图这么痛
先说清楚问题在哪。
手动截图的核心问题不是麻烦，而是不可检索。
你截了50张图，存在本地文件夹里，一个月后你还能找到当时那张的PPT吗？大概率找不到。
更深层的问题：PPT截图和讲师的语音讲解是割裂的。你有图，但没有这张图对应的文字说明，单看图很多时候也看不懂。
真正需要的是：PPT图 + 对应的讲解文字 + 可搜索的结构。
方案一：AI工具自动提取（推荐）
目前处理这个场景最顺的方案，是用支持「视频转图文笔记 + PPT截取」的AI工具。
我用的是Ai好记 ，把B站视频链接直接粘进去，它会同时做两件事：一是 ASR 转录整个音轨，生成结构化文字笔记；
二是逐帧分析画面，识别哪些帧是PPT页面，自动截图并和对应的转录文字对齐，输出图文并茂的笔记。
最终拿到的是：每一页PPT截图 + 讲师在这页停留期间说的内容文字版，按时间线排列。
几个实际用下来觉得有价值的细节：
PPT截图和文字是对应的。不是PPT图堆在一起、文字堆在另一边，而是图和对应讲解文字紧挨着，上下文清楚。
思维导图节点可以跳转原视频。如果某个知识点想听原话，点思维导图节点直接跳到视频对应位置，不用自己拖进度条。
支持导出。整理好的图文笔记可以导出 Markdown 或 PDF，存进 Obsidian 或本地都行，不会被锁在工具里。
支持的平台除了B站，还有抖音、知乎、腾讯会议、CCTV等，本地视频文件（mp4/mov等）也可以直接上传，上限7GB。
方案二：ScreenCapture脚本 + OCR（技术自用）
如果你有一点编程基础，可以用 Python 写一个简单的截图脚本：
- 用 ffmpeg 按固定时间间隔（比如每秒1帧）截图
- 对比相邻帧的相似度（PIL + ImageChops），只保留画面变化超过阈值的帧
- 对截图做 OCR（PaddleOCR 或 pytesseract），提取文字内容
- 按时间顺序整理成文档
这个方案的优点是完全本地、可控；缺点是 OCR 准确率受PPT字体/背景影响，手写公式和图表几乎识别不了，而且没有配套的讲解文字，图和音频还是割裂的。
适合批量处理下载下来的本地视频，不适合需要「图文对应」的学习笔记场景。
方案三：视频下载 + 手动剪辑（兜底方案）
如果视频支持下载（比如本地录屏、自己下载的课程），可以用剪辑工具（DaVinci Resolve、剪映）把视频跳着看，把PPT页面单独截出来，配合自己手动记笔记。
这是最传统的方案，控制精度最高，但时间成本也最高。只在对质量要求极高、且视频量不大的时候才值得用。
几个方案的横向对比
适用场景总结
- 系统学习一门课程，想留下可复习的笔记：用 Ai好记，图文对应笔记 + 可跳转思维导图，后续复习效率高很多
- 批量处理本地视频，只需要PPT文字内容：可以考虑截图脚本 + OCR，适合做批处理
- 单个高价值视频，对细节要求极高：手动剪辑截图 + 自己写笔记，最精准但最耗时
FAQ
Q：B站视频画质低会影响PPT截取效果吗？
A：有影响。清晰度720P以下，文字模糊的PPT截图可读性会差一些，建议优先选高清版本。
Q：PPT内容很密，一页PPT讲了很长时间，能拆开吗？
A：AI工具会按画面变化来切分，如果同一页PPT停留时间很长，转录文字会完整保留，但截图只有一张，需要自己结合文字看。
Q：数学公式和图表能识别吗？
A：AI工具的PPT截图是截图形式保存，图表完整保留，不会丢失；数学公式作为图片保存，不会做成文字，适合直接看图。