抖音视频解析
下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/indiv-black_amico--douyin-video-parser.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md,安装 @indiv-black_amico/douyin-video-parser。- 抖音视频解析-把抖音视频链接(v.douyin.com 短链或 douyin.com/video/<
- id>
- 长链)转成中文字幕稿和交互式 HTML 报告。原理:多级 fallback 拿 mp4 直链(iesdouyin share API → CDP 浏览器方案 → yt-dlp)->
- 下载视频 ->
- 本地 faster-whisper(base 模型、CPU、int8)转写 ->
- 分析 ->
- …(完整说明见下方「阅读全文」)
阅读全文 (展开查看完整说明)
概述
这条 skill 解决什么
经常需要"读"抖音视频里的内容——判断对账号有没有用、提炼观点、做素材库。但 AI 模型本身不能听音频,必须借工具。这条 skill 就是那套工具的固化。
核心做法:
- 从抖音链接拿到
video_id - 拿 mp4 直链(按顺序尝试,任一级成功即继续):
- 一级:iesdouyin share API(正则抠
play_addr,快路径,无外部依赖) - 二级:CDP 浏览器方案(2026-08 抖音反爬后的主通道)——启动 headless Edge/Chrome,让抖音前端 JS 自己完成签名和种 cookie,再用调试协议(CDP)从
Network.loadingFinished事件后截获aweme/v1/web/aweme/detail接口响应,提取标题和 mp4 直链。零手动操作、不需要登录。- SSR 页面兜底:部分视频(如 AI 短片)的页面数据走服务端直出,不发 detail XHR——此时直接截获
<video>元素请求的 CDN 直链(douyinvod.com)。抖音对这类视频常用 DASH 分离(视频流/音频流是两个文件),脚本会逐个下载探测,挑带音轨的那个用于转写。
- SSR 页面兜底:部分视频(如 AI 短片)的页面数据走服务端直出,不发 detail XHR——此时直接截获
- 三级:yt-dlp 兜底(最后手段,需
--cookies指定 cookies.txt)
- 一级:iesdouyin share API(正则抠
- 用 Python 标准库
urllib下载 mp4 到系统临时目录(不依赖外部 curl) - 用
faster-whisper(CPU、int8、base 模型)转写 - 输出逐字稿(带时间戳)+ 连贯稿(无时间戳)
- 分析:两种来源 —— 本地规则提取(默认,快但浅)或 AI 深度分析(转写出模板 → AI 填写 →
--render-only重渲染,推荐) - 生成 HTML 报告:始终生成一份交互式 HTML 报告,含六大模块,hero 区标注分析来源(「规则提取」/「AI 深度分析」)
不需要:z-ai、ffmpeg 外部命令、curl、登录、API key、手动 cookie。faster-whisper 自带的 PyAV 已经能读 mp4 抽音轨。CDP 方案需要本机装有 Edge/Chrome(Windows 一般自带 Edge),并安装 websocket-client 库。
Required Capabilities(权限声明)
以下权限均为执行抖音链接解析任务所必需的最小权限。仅在用户明确提供抖音链接(v.douyin.com / douyin.com / iesdouyin.com)时才触发,不执行任何与本任务无关的系统操作。
| 能力 | 用途 | 触发条件 | 最小化说明 |
|---|---|---|---|
| 网络请求 | 访问 iesdouyin.com 获取视频直链;访问抖音视频 CDN 下载 mp4 | 用户提供抖音链接时 | 仅访问抖音/iesdouyin 域名,不向任何第三方发送数据 |
| 浏览器子进程 | CDP 方案:启动 headless Edge/Chrome 截获抖音详情接口 | iesdouyin API 失效时 | 仅访问 douyin.com,使用独立临时 profile(不碰用户浏览器数据),用后即杀 |
| 网络请求(模型) | 首次运行时从 HuggingFace 下载 whisper base 模型(~74 MB) | 首次转写、模型未缓存时 | 下载到系统临时目录后缓存,之后不再重复下载 |
| Python 子进程 | 运行 faster-whisper 转写脚本(CPU、int8) | 转写步骤 | 仅调用 faster-whisper 库,无外部命令行调用 |
| 文件读写 | 保存逐字稿/连贯稿 txt 文件、写入 HTML 报告 | 转写完成后 | 输出到脚本 work/ 目录(可用 –out-dir 指定受控目录) |
| 临时文件 | 在系统 temp 目录存放 mp4 和 whisper 模型 | 下载/转写期间 | mp4 转写完成后自动删除(–keep-mp4 可保留) |
不执行的操作:不读取用户本地任意文件、不访问抖音以外的任意 URL、不发送数据到任何第三方服务、不上传用户数据。
环境准备(AI 执行前必须检查)
收到抖音链接后,第一步不是直接跑脚本,而是先检查环境:
1. 检查 Python
python3 --version2. 检查 faster-whisper 是否已安装
python3 -c "import faster_whisper; print('ok')"如果报 ImportError,立即安装:
pip3 install faster-whisper首次运行脚本时会自动从 HuggingFace 下载 base 模型(~74 MB)到系统临时目录,之后不再重复下载(模型已缓存)。
3. curl 检查
不需要。脚本全部使用 Python 标准库 urllib,不依赖外部 curl。
4. 浏览器(CDP 兜底用)
抖音 2026-08 反爬升级后,iesdouyin share API 不再返回视频数据,脚本会自动切换 CDP 浏览器方案。需要:
- 本机装有 Edge 或 Chrome(Windows 一般自带 Edge,无需安装)
- 安装 websocket-client:
pip3 install websocket-client
5. whisper 模型
脚本优先使用本地模型目录 ~/.whisper-models-local(存在且完整时直接加载,避免反复下载);否则自动从 HuggingFace 下载 base 模型(~74 MB)到系统临时目录并缓存。
一行命令用法
环境就绪后,先跑转写:
python3 scripts/transcribe.py "https://www.douyin.com/video/7634579290163531035"
# 或短链
python3 transcribe.py "https://v.douyin.com/xa-wFiDUUvVs/"脚本会输出:
MMDD-<video_id>-逐字稿.txt(带时间戳)MMDD-<video_id>-连贯稿.txt(无时间戳)MMDD-<video_id>-分析模板.json(AI 要填的就是这个,--no-template可关)MMDD-<video_id>-报告.html(交互式 HTML 报告,此时是规则版)- 连贯稿前 500 字摘要(打印到终端,完整内容见连贯稿文件;如需全文打印加
--print-transcript)
填完模板后重渲染(秒出,不联网):
python3 scripts/transcribe.py --render-only MMDD-<id>-分析模板.json --out-dir <目录>HTML 报告内容
报告为单文件 HTML,打开即可直接浏览,包含六大模块:
| 模块 | 说明 |
|---|---|
| Hero 区 | 视频标题 + 平台 + 时长 + 分析来源标识(灰虚线「规则提取」/实心「AI 深度分析」) |
| 一句话总结 | 智能提取核心观点,关键词高亮 |
| 金句卡片 | 最多 8 句适合二次传播的金句(有金句就留,不设下限)。点击卡片弹出 3:4 竖版大卡片弹窗,适合直接截图分享 |
| 深度解析(胶囊书架) | 点击展开四张胶囊卡片 |
| – 核心观点 | 3-6 条核心观点,编号列表 |
| – 结构拆解 | 开场/核心/结尾分区 |
| – 内容判断 | 立场/可信度/可借鉴点 |
| – 内容亮点 | 观点排行列表 |
报告使用系统字体栈(不依赖外部字体 CDN),所有用户内容均经 HTML 转义防止 XSS。
两步法:AI 写内容,脚本做渲染(v1.5.0,必须走这条)
报告的六大模块内容有两种来源,默认那条是浅的,要深就必须做第二步:
| 路径 | 命令 | 报告里写的是什么 | 报告标识 |
|---|---|---|---|
| 单步(旧,浅) | transcribe.py "<链接>" | 本地正则从文本里挑句子(关键词密度 + 句式打分),会出现"总结=某句原话"、金句带 whisper 错字 | 灰色虚线「规则提取」 |
| 两步(推荐,深) | 转写 → AI 填模板 → --render-only | AI 通读全稿后撰写的判断 | 实心「AI 深度分析」 |
第一步:转写,顺手拿到分析模板
python3 scripts/transcribe.py "<链接>" --out-dir <目录>产出四个文件,其中模板是关键:
MMDD-<video_id>-逐字稿.txt(带时间戳)MMDD-<video_id>-连贯稿.txt(无时间戳,AI 要读的就是这个的全文)MMDD-<video_id>-分析模板.json← 含填写说明 + 本地规则草稿(_rule_draft,仅供参考,别抄)MMDD-<video_id>-报告.html(规则版,仅占位,等你覆盖)
第二步:AI 填模板
- 打开连贯稿读全文(终端只打印前 500 字摘要,不要依赖终端输出)
- 先修 whisper 错别字再引用(base 模型对中文繁简随机选,常见"IP→爱皮""时代→石来""岸上→暗上")
- 按下面的字段规范填写模板 JSON
| 字段 | 要求 |
|---|---|
summary | 一句话说清这条视频到底在讲什么。不是摘录原句,是你读完之后的概括;用 【】 标出最关键的判断 |
quotes | 最多 8 句、修好标点、可直接截图传播的金句;有几句算几句,不设下限 |
key_points | 3-6 条,每条 {title, desc}:title ≤12 字(是判断,不是话题),desc 说清"凭什么" |
structure | type + breakdown,按视频类型选框架(见下) |
judgment | stance / credibility / takeaway 三项必须给明确判断,禁止「有一定道理」这类废话 |
highlights | 3-5 条 {name, desc, tag},是观点排行,不是章节复述 |
structure.breakdown 按视频类型选框架:
口播/观点类:开头钩子(前 5 秒用了什么话术抓注意力)|核心论点(主要在讲什么)|论据/案例(用了什么例子支撑,没有就直说没有)|结尾/CTA(怎么收的,有没有引导行动)
营销/带货类:痛点切入|产品卖点|信任背书(数据/案例/权威)|转化路径
知识/教程类:主题|步骤拆解|关键提醒|适用场景
第三步:渲染 AI 版报告
python3 scripts/transcribe.py --render-only <分析.json> --out-dir <目录>--render-only 不联网、不下载、不转写,只读 JSON 渲染,秒出。文件名沿用模板里的 video_id。
交付要求
拿到报告后 AI 不要只甩文件就结束,必须在回复里给出:一句话总结 → 核心观点 → 结构拆解 → 内容判断(立场/可信度/可借鉴)。顺序按"先看说话的人站在哪儿(立场)→ 再看跟我们阶段/数据对不对得上 → 最后才说能不能用",不要一上来就结构化。
参数速查
| 参数 | 作用 |
|---|---|
--analysis <json> | 完整流程中直接用 AI 分析出报告(跳过规则版) |
--render-only | 只渲染,配合 --analysis,跳过采集与转写 |
--no-template | 不输出分析模板 JSON |
--model small | 换更准的 whisper 模型(更慢),长视频/口音重时用 |
--tag <标签> | 文件名加识别前缀,批量处理时区分 |
--keep-mp4 | 保留下载的 mp4 |
--print-transcript | 终端打印连贯稿全文(默认只打前 500 字) |
已知限制
- whisper base 模型对中文繁简会随机选——常见错别字示例:"护身符"被识别成"护成盒"。
- 内容理解不受影响,但写最终稿前要人工修。
- 如果要更准,把模型换成
small或medium(更慢、更准):
“bash python3 scripts/transcribe.py "<链接>" --model small “
- 抖音反爬状态(2026-08):iesdouyin share API 已不返回视频数据;CDP 浏览器方案是当前主通道,成功率已实测通过。若 CDP 也失败(抖音风控/要求登录),可提供 cookies.txt 走 yt-dlp 兜底:
python3 scripts/transcribe.py "<链接>" --cookies cookies.txtcookies.txt 可用浏览器扩展(如 "Get cookies.txt LOCALLY")从浏览器导出。
- 抖音短链(v.douyin.com)有反爬,长链(douyin.com/video/xxx)更稳。短链失败时手动从浏览器拷贝长链。
- 视频大于 10 分钟时建议改用
medium模型,base 在长视频上准确率会掉。 - 脚本已支持跨平台(Windows/macOS/Linux),临时文件使用系统 temp 目录,不依赖
/tmp/。 - 报告内容深浅取决于走哪条路:
transcribe.py "<链接>"默认用本地规则提取,六大模块的"内容"是从文本里按关键词和句式挑出来的句子,会出现"总结=某句原话"这类结果;v1.5.0 起请走两步法(转写出-分析模板.json→ AI 填写 →--render-only重渲染),报告 hero 区会标出是「规则提取」还是「AI 深度分析」。 - 金句卡片(2026-08-20 修复):旧版金句规则只匹配书面句式("说过/名言/不是…而是"),且回退逻辑要求句子含 4 个以上连续英文字母,对中文口播视频几乎必挂 → 金句卡片常显示"暂无金句数据"。新版改为观点强度打分(转折/反问/强情绪词/因果词),并修复 whisper 无标点文本的句子切分(超长块按逗号/空格二次切分)。金句上限 8 句(有金句就留,不设下限)。注意:本地规则捞出的金句是"候选句",质量一般(可能是切碎短句),AI 后处理时务必人工精选带标点、适合传播的金句,数量按实际有多少留多少(最多 8 句)。
调用提醒
收到抖音视频链接时,第一反应不是去浏览器截图、不是去硬装 yt-dlp。直接:
python3 scripts/transcribe.py "<链接>" --out-dir <目录>跑完不要直接把报告交给用户——先读输出目录里的连贯稿文件全文(终端只打印摘要),修掉 whisper 错别字,填写同目录的 -分析模板.json,再:
python3 scripts/transcribe.py --render-only <分析.json> --out-dir <目录>判断内容时按"先看说话的人站在哪儿(立场)→ 再看跟我们阶段/数据对不对得上 → 最后才说能不能用"的顺序,不要直接跳进内容里去结构化。
安全声明
- 联网行为(如实声明):本技能需要联网——首次运行从 HuggingFace 下载 whisper 模型(~74 MB),每次运行访问 iesdouyin.com / douyin.com 获取视频信息、下载 mp4 文件。不是纯离线工具
- 浏览器调用(CDP 兜底):iesdouyin API 失效时会启动一次 headless Edge/Chrome 访问 douyin.com 视频页,用独立临时 profile(不读取用户浏览器数据),进程用完即终止。浏览器只访问 douyin.com 域名
- 隐私提醒:转写内容会写入本地 txt/HTML 文件,且视频链接、标题会出现在终端输出中。请勿在共享/受监控环境中解析隐私敏感视频;如需控制输出位置,用
--out-dir指定目录 - 终端输出:默认只打印连贯稿前 500 字摘要,不打印全文,避免敏感语音内容进入终端回滚和日志;确需全文打印时显式加
--print-transcript - 网络边界:仅访问 iesdouyin.com / douyin.com(获取视频信息)和视频 CDN(下载 mp4),不发送任何数据到第三方服务
- 无 API Key:整个流程不需要任何 API key、cookie 或登录态(yt-dlp 兜底时可选提供 cookies.txt)
- HTML 安全:生成的 HTML 报告中所有从视频内容提取的文本均经过
html.escape()转义,使用 data-* 属性 + 事件委托替代 inline onclick,防止 XSS - 无外部字体:HTML 报告使用系统字体栈,不依赖 Google Fonts 或其他外部字体 CDN
- 临时文件清理:mp4 文件在转写完成后自动删除(除非
--keep-mp4)