Chỉnh sửa video dựa trên văn bản là phương pháp chỉnh sửa video trong đó video được tự động cắt và sắp xếp lại kết hợp với thao tác chỉnh sửa tập lệnh chuyển âm thanh của video thành văn bản.
Chỉnh sửa video dựa trên văn bản là phương pháp tự động phiên âm nội dung video và âm thanh, xóa và sắp xếp lại các câu trên văn bản được tạo (bản phiên âm), đồng thời chỉnh sửa video và âm thanh tương ứng. Nó được cho là được áp dụng rộng rãi trong ngành như một phương pháp nâng cao hiệu quả chỉnh sửa video do độ chính xác phiên âm cao và khả năng hoạt động trực quan. Trong hoạt động thực tế kể từ năm 2026, tính năng tự động loại bỏ các từ đệm (ví dụ: "uh", "ừm", v.v.) và cắt khoảng lặng có độ chính xác cao, nhưng khả năng nhận dạng sai có thể vẫn tồn tại trong những cảnh mà thuật ngữ kỹ thuật, danh từ riêng hoặc nhiều người nói trùng nhau và việc xác nhận thủ công phụ đề và lời tường thuật cuối cùng được cho là không thể thiếu trong hiện trường. Cấu trúc giá phổ biến là đăng ký hàng tháng, với nhiều loại gói khác nhau, từ miễn phí đến vài nghìn yên Nhật cho đến gói cao cấp hơn dành cho mục đích thương mại, với mức giá trung bình dao động từ khoảng 2.000 yên Nhật mỗi tháng cho mục đích sử dụng cá nhân đến hơn 10.000 yên Nhật mỗi tháng cho mục đích sử dụng nhóm. Về cách chọn tại chỗ, điểm mấu chốt trong thực tế là chọn dựa trên độ chính xác của ngôn ngữ được hỗ trợ, sự hiện diện hay vắng mặt của tính năng tách loa và khả năng tương thích xuất với phần mềm chỉnh sửa video hiện có (XML/EDL, v.v.).