抖音视频采集技能 v2

功能

在抖音上筛选高互动视频，下载视频文件并提取口播文案，输出到指定目录。

核心能力

• 🔍 筛选：按点赞/评论/分享数据筛选高互动视频
• 📥 下载：下载视频文件到本地
• 📝 文案提取：双层方案——API字幕优先，faster-whisper ASR 兜底
• ℹ️ 信息查询：查看视频互动数据、字幕轨信息等

前置条件

必需

• Python 3.10+
• Chrome 浏览器已安装并已登录抖音
• 已安装 httpx：pip install httpx

ASR 文案提取（可选，无字幕视频需要）

• 已安装 FFmpeg：brew install ffmpeg（macOS）或下载 Windows 版
• 已安装 faster-whisper：pip install faster-whisper

目录结构

抖音视频采集技能v2/
├── SKILL.md            ← 技能定义（本文件）
├── config.json         ← 配置文件（筛选规则、输出目录等）
└── douyin_fetch.py     ← 主脚本

AI 操作指引

当用户提出以下需求时，AI 应按以下流程操作：

流程一：筛选+下载（用户说"帮我筛选抖音视频"、"找爆款"等）

1. 检查 config.json 中 filter.candidates 是否有候选视频
2. 如果没有，提示用户提供候选视频列表（格式：视频ID, 标题, 作者, 点赞, 评论, 收藏, 分享）
3. 如果用户想临时调整筛选阈值，用命令行参数覆盖：

```

python douyin_fetch.py filter --min-digg 10000 --min-comment 0 --min-share 0

```

1. 执行脚本并汇报结果

流程二：下载指定视频（用户提供视频ID或链接）

1. 从用户输入中提取 video_id（纯数字，如 7611489793444171048）
2. 如果用户给的是链接（https://www.douyin.com/video/xxx），提取 xxx 部分
3. 记录搜索关键字（如有），用于目录分组和文件命名
4. 执行：

```

python douyin_fetch.py download --keyword <搜索关键字>

```

1. 汇报：视频文件路径、文案内容、互动数据

流程三：仅提取文案（用户说"提取文案"、"转文字"等）

1. 如果用户已有本地视频文件：

```

python douyin_fetch.py transcript --file /path/to/video.mp4

```

1. 如果没有本地文件：

```

python douyin_fetch.py transcript

```

1. 将提取到的文案内容直接展示给用户

流程四：仅查看信息（用户说"看看这个视频数据"等）

python douyin_fetch.py info <video_id>

使用 Chrome MCP 获取更准确的数据（推荐）

当脚本方式获取失败（如需要登录态），AI 应改用 Chrome MCP 操作：

1. 用 navigate_page 打开 https://www.douyin.com/video/{video_id}
2. 用 list_network_requests 查找包含 aweme/v1/web/aweme/detail/ 的请求
3. 用 get_network_request 获取该请求的响应体（JSON）
4. 将 JSON 数据通过 parse_aweme_api_response() 函数解析
5. 或者直接从 JSON 中手动提取所需字段

使用方式

# 筛选+下载（使用配置文件的候选列表和规则）
python douyin_fetch.py filter

# 临时降低筛选门槛
python douyin_fetch.py filter --min-digg 10000 --min-comment 0 --min-share 0

# 下载指定视频
python douyin_fetch.py download 7611489793444171048

# 仅提取文案
python douyin_fetch.py transcript 7611489793444171048

# 仅提取文案（指定本地视频文件用于ASR）
python douyin_fetch.py transcript 7611489793444171048 --file ./video.mp4

# 仅查看视频信息
python douyin_fetch.py info 7611489793444171048

输出产物

按搜索关键字分组存储，目录名即为搜索关键字：

~/抖音下载/AI新闻/
├── 2026-04-19 一周AI大事盘点.mp4        ← 视频文件
└── 2026-04-19 一周AI大事盘点.txt         ← 口播文案

~/抖音下载/赚钱干货/
├── 2026-04-20 打破信息茧房.mp4
└── 2026-04-20 打破信息茧房.txt

文件命名规则：yyyy-MM-dd 关键字.mp4 / yyyy-MM-dd 关键字.txt

• yyyy-MM-dd 取自视频的发布日期（create_time）
• 关键字从视频标题中自动提取（前12个有效字符）

文案文件格式：

视频ID: 7611489793444171048
标题: 打破信息茧房之后才知道之前都在傻干活
作者: Ai破壁人小彭
互动: 👍68,575 💬218 ⭐35,416 🔗6,410
文案来源: API字幕
==================================================
【口播文案】

（文案内容）

配置说明

所有配置项均在 config.json 中，支持空值使用智能默认值。

候选视频格式

{
  "filter": {
    "candidates": [
      {
        "video_id": "7611489793444171048",
        "desc": "打破信息茧房之后才知道之前都在傻干活",
        "author": "Ai破壁人小彭",
        "digg_count": 68575,
        "comment_count": 218,
        "collect_count": 35416,
        "share_count": 6410
      }
    ]
  }
}

技术原理

1. 获取视频信息：请求抖音视频页面，解析 SSR 渲染数据（RENDER_DATA）
2. 视频下载：从 API 响应中提取视频 URL（优先 VE 混合轨道），httpx 异步下载
3. 文案提取（双层方案）：
• 第一层：API 字幕轨（subtitle_infos 中的 VTT/SRT 文件）→ 解析为纯文本
• 第二层：faster-whisper 本地 ASR（FFmpeg 提取音频 → 模型推理）
4. Chrome MCP 增强：当脚本方式受限时，通过 Chrome MCP 拦截网络请求获取更完整的 API 数据

注意事项

• 视频需要有口播内容才能提取文案
• API 字幕仅对带字幕的视频有效（部分视频可能无内置字幕）
• ASR 需要安装 FFmpeg 和 faster-whisper 依赖
• 下载可能因网络或抖音限制失败，可重试
• 大量下载可能触发反爬，建议控制频率
• 首次使用 faster-whisper 会自动下载模型（tiny 约 75MB），请确保网络通畅（或设置 HF_ENDPOINT 镜像）

常见问题