抖音视频提取文案

SKILL.md

---
name: douyin-transcribe
description: |
  从抖音短视频链接中提取音频并使用Whisper转录为中文文本。
  当用户提供抖音短链接（v.douyin.com/xxx）并要求
  提取、转换或转录视频语音为文本时，应使用此技能。通过
  Playwright视频元素捕获处理登录墙绕过。
agent_created: true
---

# 抖音视频转录技能

从抖音短链接中提取语音并通过Whisper转换为中文文本。

## 工作流程

### 步骤 1：通过Playwright捕获视频URL

**首选方法——从`video`元素`src`中提取（最可靠，可绕过登录墙）：**

```python
import asyncio
from playwright.async_api import async_playwright

async def get_douyin_video_url(short_url):
    video_src = None
    async with async_playwright() as p:
        browser = await p.chromium.launch(headless=True)
        context = await browser.new_context(
            user_agent="Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36"
        )
        page = await context.new_page()
        await page.goto(short_url, wait_until="domcontentloaded", timeout=30000)
        await asyncio.sleep(8)  # 等待JS渲染并填充video src

        video_src = await page.evaluate("""
            () => {
                const videos = document.querySelectorAll('video');
                for (const v of videos) {
                    if (v.src && v.src.includes('douyin') && v.src.includes('.mp4')) return v.src;
                    const sources = v.querySelectorAll('source');
                    for (const s of sources) { if (s.src) return s.src; }
                }
                return null;
            }
        """)

        await browser.close()
    return video_src
```

> **为何选择此方法而非网络拦截：** 即使登录模态框覆盖了视频元素，`video.src`也已填充。网络拦截在登录墙下会失败。

### 步骤 2：下载视频

```python
import requests

def download_douyin_video(url, output_path, referer):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36",
        "Referer": referer,
    }
    resp = requests.get(url, headers=headers, stream=True, timeout=60)
    with open(output_path, "wb") as f:
        for chunk in resp.iter_content(chunk_size=1024*1024):
            if chunk:
                f.write(chunk)
    return output_path
```

- `referer` = `"https://www.douyin.com/"` 或解析后的视频页面URL
- 抖音CDN使用`v26-web.douyinvod.com`——这些URL有效时间为数小时

### 步骤 3：使用Whisper转录

```python
import whisper, os, imageio_ffmpeg

# 确保ffmpeg在PATH中
ffmpeg_exe = imageio_ffmpeg.get_ffmpeg_exe()
ffmpeg_dir = os.path.dirname(ffmpeg_exe)
os.environ["PATH"] = ffmpeg_dir + os.pathsep + os.environ.get("PATH", "")
import shutil
shutil.copy(ffmpeg_exe, os.path.join(ffmpeg_dir, "ffmpeg.exe"))  # 确保可访问

model = whisper.load_model("medium")  # ~1.4GB，首次运行后缓存
result = model.transcribe(video_path, language="zh", verbose=True, task="transcribe")
```

**保存输出：**
- `transcript.txt` — 完整文本 + 带时间戳的片段（供用户阅读）
- `transcript.json` — Whisper原始输出（供程序使用）

## 必需依赖

安装一次：
```bash
pip install playwright openai-whisper imageio[ffmpeg] requests
playwright install chromium
```

## 关键要点

1. **登录墙解决方法：** `video.src`由JS在登录模态框出现前填充。网络拦截会遗漏，直接DOM查询可捕获。
2. **CDN URL有效期：** 抖音签名CDN URL（`v26-web.douyinvod.com/...?a=...`）有效约24小时。捕获后立即下载。
3. **模型选择：** 中文使用`medium`；`base`更快但准确度较低。首次运行下载模型（~1.4GB），之后缓存。
4. **FFmpeg要求：** Whisper需要ffmpeg；`imageio[ffmpeg]`自动提供——通过`imageio_ffmpeg.get_ffmpeg_exe()`获取路径。
5. **备用方案：** 如果Playwright失败，使用捆绑的`fetch_douyin_video.py`脚本进行替代URL提取。

## 捆绑资源

- `scripts/fetch_douyin_video.py` — 完整端到端脚本（捕获 → 下载 → 转录）
- `references/whisper_usage.md` — Whisper API选项和中文语言提示