抖音视频语音文案提取

从抖音视频中提取语音内容：Python 只负责下载视频和 Whisper 原始转录；Claude Code 基于原始转录完成动态校对、自然分段、核心观点提炼，并一次性生成最终 Markdown 文档。

核心原则

每次用户调用 /douyin-text，必须严格按以下 4 步执行：

1. Python 提取原始转录

   • 下载视频
   • 提取音频
   • Whisper 生成完整原始转录
   • 不生成 Markdown 文档
   • 不生成"整理后文案"
   • 不生成"核心观点"

2. Claude 读取 Python 输出的 JSON

   • 拿到 transcription_raw 原始转录文本
   • 拿到视频元信息：链接、作者、视频描述

3. Claude 完成动态校对、自然分段、核心观点

   • 根据上下文修正 Whisper 识别错误
   • 去除口癖、重复、无意义语气词
   • 按语义自然分段
   • 重新提炼 3-5 条核心观点

4. Claude 一次性生成最终 Markdown 文件

   • 不读取任何旧 Markdown
   • 不回写半成品
   • 用 Write 工具直接创建成品文档

不需要额外配置 Claude API 或 OpenAI API。 AI 动态校对由当前 Claude Code 会话完成。

使用方法

/douyin-text <抖音视频链接>

示例：

/douyin-text https://v.douyin.com/xxxxx

参数

• url：抖音视频链接，必填
  • 支持 https://v.douyin.com/xxxxx
  • 支持 https://www.douyin.com/video/xxxxx
• --whisper-model：Whisper 模型大小，可选 tiny/base/small/medium/large，默认 small
• --desc：仅提取视频描述文字，不下载视频
• --cookies-browser：从浏览器导入 cookies，默认 chrome
• --cookies-file：使用 cookies.txt 文件
• --no-cookies：不使用 cookies
• --update-ytdlp：更新 yt-dlp

必须执行的工作流

当用户调用：

/douyin-text <链接>

Claude 必须严格按以下 4 步执行。绝对禁止跳步、合并步骤，或直接使用 Python 生成的旧版完整 Markdown。

步骤 1：Python 提取原始转录（不生成 Markdown）

在 skill 目录运行（必须带 --raw-json 参数）：

cd C:/Users/10911/.claude/skills/douyin-text && python extract.py --raw-json '<用户提供的链接>'

如果用户传了 --whisper-model 等参数，要原样传给 extract.py：

cd C:/Users/10911/.claude/skills/douyin-text && python extract.py --raw-json --whisper-model medium 'https://v.douyin.com/xxxxx/'

这一步的职责仅限于：

• 下载视频
• 提取音频
• Whisper 生成完整原始转录

这一步不会生成任何 Markdown 文档、不会生成"整理后文案"、不会生成"核心观点"。

步骤 2：解析 JSON 原始数据

--raw-json 模式会向 stdout 输出 JSON，结构如下：

{
  "url": "https://v.douyin.com/xxxxx",
  "author": "作者昵称",
  "description": "视频描述文字",
  "transcription_raw": "Whisper 原始转录全文",
  "error": null
}

Claude 必须：

• 从 stdout 解析 JSON（可能混在脚本日志中，取最后一段合法 JSON 块）
• 如果 error 不为 null 或 transcription_raw 为空，立即向用户报告错误并停止；不得编造内容
• 不得读取 output/ 目录下任何已有 Markdown 文件

步骤 3：Claude 完成动态校对、自然分段、核心观点

Claude 基于 transcription_raw 完成以下处理（全部在 Claude 侧，不再调用 Python）：

3.1 动态校对

• 根据上下文修正明显 ASR/Whisper 识别错误
• 修正人名、地名、书名、成语、诗词、专有名词、常识性错词
• 去除明显语气词、口癖、无意义重复
• 不添加原文没有的信息
• 不改变说话人的核心观点
• 不把口播稿改成过度正式的论文腔

3.2 自然分段

• 按语义自然分段
• 每段表达一个相对完整的意思
• 段落之间用空行分隔

3.3 提炼核心观点

• 3-5 条
• 完整、通顺的中文句子
• 不保留明显错词
• 不使用过碎、半截、乱码式表达
• 概括观点，而不是复制原句碎片

步骤 4：一次性生成最终 Markdown 文件

Claude 使用 Write 工具一次性创建最终 Markdown 文件。

绝对禁止：

• 不得先生成半成品再回写
• 不得读取并修改 Python 生成的旧版 Markdown
• 不得分多次 Edit 同一个文件

文件路径规则：

C:/Users/10911/.claude/skills/douyin-text/output/douyin_<YYYYMMDD_HHMMSS>_<作者>.md

• 时间戳取当前时间
• 作者名清理掉 Windows 非法字符 \ / : * ? " < > |，并截断到 20 字符
• 如果作者名为空，省略该段，文件名形如 douyin_<时间戳>.md

文件内容结构（严格按以下格式生成）：

📹 抖音视频语音文案
══════════════════════════════════════════════════

🔗 链接：<url>
👤 作者：@<author>
📝 视频描述：<description>

══════════════════════════════════════════════════
🎤 原始语音转录（<字数> 字）
──────────────────────────────────────────────────
<transcription_raw，保持原文不动，含 Whisper 输出的换行>

══════════════════════════════════════════════════
✨ 整理后文案
──────────────────────────────────────────────────
<Claude 校对、自然分段后的版本，段落间用空行分隔>

══════════════════════════════════════════════════
💡 核心观点
──────────────────────────────────────────────────
1. <观点一>
2. <观点二>
3. <观点三>

══════════════════════════════════════════════════

• "原始语音转录"区域字字必须等于 transcription_raw，不得做任何替换、整理或省略
• 如果 author 或 description 为空，对应行可省略，但其余结构必须完整保留
• 字数 = len(transcription_raw)

步骤 5：回复用户

最终回复必须包含：

• 生成的 Markdown 文件完整路径
• 简短摘要（1-2 句话）
• 如发现典型纠错，列出 3-8 个例子（原始 → 校对后）

AI 动态校对规则

应该修正的内容

明显由语音识别造成的错误，例如：

这些只是示例。实际执行时，Claude 应根据上下文动态判断，不局限于固定规则表。

需要谨慎处理的内容

如果某个词可能有多种解释，不要强行改。

例如：

• “苏氏家族”不应强行改成“苏轼家族”
• “行者”在《西游记》语境下可能是“孙行者”，不应随意删除
• 口播中的特殊表达，如果不是明显错词，应尽量保留原意

不应该做的事

• 不要修改“原始语音转录”区域。
• 不要添加原文没有的信息。
• 不要把说话人的观点换成 Claude 自己的观点。
• 不要为了文采过度润色。
• 不要删除重要论证内容。
• 不要只输出一整段长文本。
• 不要让“核心观点”保留乱码、半句、错词。

整理后文案格式要求

“整理后文案”必须自然分段。

好的格式

菩提祖师是孙悟空非常重要的师父。在《西游记》里，他是真正教给孙悟空本领的人。

孙悟空的名字，是菩提祖师给的；孙悟空的筋斗云、七十二变，也都是菩提祖师传授的。

相比之下，唐僧给孙悟空的更多是一路上的磨炼和约束。唐僧没有教孙悟空本领，却让他在取经路上经历约束、受苦和修行。

所以，菩提祖师给的是本事和根基，唐僧给的是磨炼和修行。两个人对孙悟空都重要，只是重要的方式不同。

不好的格式

我问你个问题,孙悟空的师父是谁? 唐僧,普提老祖。你怎么知道是普提祖师? 他叫他本领。大多数人会认为是唐僧。但是你看,在孙悟空整个西邮季的这一百回里面...

问题：

• 没有分段
• 错词未修正
• 可读性差
• 像字幕拼接，不像整理文案

长文本处理规则

如果原始转录很长，Claude 仍应完整处理 transcription_raw 全文。

如果单次处理上下文过长：

1. transcription_raw 全文必须原样写入"原始语音转录"区域，不得截断。
2. 分批校对"整理后文案"。
3. 合并成一个完整、自然分段的版本。
4. 再统一生成核心观点。
5. 最后一次性 Write 生成最终 Markdown 文件。

不要只整理前 300 字就结束。 不要分多次 Edit 同一个最终文件。

输出规则

故障处理

注意事项

• 仅支持公开可见的视频。
• 首次使用会下载 Whisper 模型。
• CPU 模式下 small 模型处理 1 分钟视频约 30 秒。
• 提取的文案仅供个人学习使用。
• Claude Code 动态校对不需要额外配置 AI API。
• 如果用户只要求“提取原始转录”，仍应保留原始转录并说明是否跳过校对。