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
| 参数 | 说明 |
|---|---|
--url, -u |
抖音视频链接（必填） |
--output-dir, -o |
临时文件目录，默认 /tmp |
--folder-token, -f |
飞书云盘文件夹 token |
--space-id, -s |
飞书知识库 space ID |
--no-feishu |
跳过飞书上传统步 |
--cleanup |
完成后删除本地临时文件（视频+音频） |
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。