Douyin Video Transcribe Skill

全自动抖音视频下载 + 语音转文字管道。

功能

输入抖音链接 → 自动解析直链 → 下载视频 → 提取音频 → 本地语音转文字 → 输出文稿

依赖安装（首次需要）

# 1. 安装 coli（语音转文字引擎）
npm install -g @marswave/coli

# 2. 安装 sensevoice 模型（首次自动下载，约60MB，需代理访问GitHub）
# 模型下载后保存在 ~/.coli/models/

# 3. ffmpeg（音频处理，系统已有）

# 4. Node.js（用于视频URL拦截脚本）

使用方法

基本用法（仅转写，不上传飞书）

python3 ~/.openclaw/skills/douyin-transcribe/scripts/transcribe.py \
  --url "https://v.douyin.com/xxxxx"

指定输出目录

python3 ~/.openclaw/skills/douyin-transcribe/scripts/transcribe.py \
  --url "https://v.douyin.com/xxxxx" \
  --output-dir /tmp/my_videos

完整用法（转写 + 上传飞书）

python3 ~/.openclaw/skills/douyin-transcribe/scripts/transcribe.py \
  --url "https://v.douyin.com/xxxxx" \
  --folder-token 飞书云盘文件夹token \
  --space-id 飞书知识库space_id

参数说明

输出

• 终端打印完整转录文本
• 本地保存 transcript.txt 到 --output-dir
• 视频/音频本地文件在 --output-dir（除非指定 --cleanup）

技术流程

抖音链接
  └─→ Node.js (puppeteer-core + Chrome)
  │     └─→ 打开 hellotik.app
  │     └─→ 填入链接，点击解析
  │     └─→ 拦截网络请求，获取CDN直链
  └─→ curl 下载视频（直链）
  └─→ ffmpeg 提取音频（WAV 16kHz单声道）
  └─→ coli asr --model sensevoice（本地ASR，约1-3分钟）
  └─→ 输出转录文本 + 可选飞书上传统步

模型说明

• sensevoice：阿里开源多语言ASR，支持中文/英文/日语/韩语/粤语，约60MB
• 本地运行，无需API Key，完全离线
• Intel Celeron J1900 上处理 1分钟音频约需 1-2 分钟

飞书上传说明

如需上传到飞书，需要在调用时传入 --folder-token 和 --space-id。

当前已配置：

• 视频素材库 folder_token: RCIDfArx5lgZTIdO1SAcDU37n0e
• 视频文案库 space_id: 7622229283829763274

常见问题

Q: 提示"无法获取视频直链"

A: CDN链接有时效（几分钟），多试几次即可。或 hellotik 解析失败，稍后重试。

Q: 转写时间太长

A: sensevoice 模型较大，处理速度依赖CPU。可改用 whisper-tiny 模型（更快但仅英文）。

Q: 视频很短/没有声音

A: 部分抖音视频是纯音乐或图片，语音转写会失败或输出很短。