キャプション・字幕・文字起こしは別物です
文字起こし(トランスクリプト)はタイミング情報のない話し言葉のテキストです。字幕(サブタイトル)は同じテキストを短いキューに分け、それぞれに開始と終了の時間を持たせたもので、SRT ファイルが保存しているのはまさにこれです。TikTok では「キャプション」という言葉が、動画に重なる字幕トラックと、動画の下に書かれた説明文の両方に使われます。このツールが読むのは TikTok がその動画に対してすでに持っている字幕トラックなので、返ってくるのは時間情報付きの本物のテキストです。あとは用途に応じて、続きの文章としてコピーするか、SRT として保存するかを選べます。