抖音视频解析（本地版）

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：

1. 从抖音链接拿到 video_id
2. 走 iesdouyin.com/share/video/<id> 拿到 playwm mp4 直链
3. curl 下载 mp4 到本地（无 curl 时自动降级为 urllib）
4. 用 faster-whisper（CPU、int8、base 模型）转写
5. 输出逐字稿（带时间戳）+ 连贯稿（无时间戳）
6. AI 读取连贯稿，做重点总结 + 结构抓取 + 内容分析（见下方"转写后的后处理"）

不需要：z-ai、ffmpeg 外部命令、yt-dlp、cookie、登录、API key。 faster-whisper 自带的 PyAV 已经能读 mp4 抽音轨。

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 --version

2. 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，之后不再联网。

3. curl 检查（可选）

脚本已内置 urllib 降级方案，curl 不可用时也能跑。但有 curl 更稳。

一行命令用法

环境就绪后，直接跑：

python3 scripts/transcribe.py "https://www.douyin.com/video/7634579290163531035"
# 或短链
python3 scripts/transcribe.py "https://v.douyin.com/xa-wFiDUVVs/"

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）
• 连贯稿全文（直接打印到终端，方便 AI 读取做后处理）

转写后的后处理（AI 必须执行）

拿到连贯稿后，AI 不要只甩出 txt 文件就结束。 必须读取连贯稿内容，按以下结构输出分析：

一句话总结

用一句话概括这个视频在讲什么。

核心观点（3-5 条）

• 提取视频中表达的 3-5 个核心观点，每条一句话

结构拆解

根据视频类型，选择对应的结构框架来拆：

如果是口播/观点类：

结构	内容
开头钩子	视频前 5 秒用了什么话术抓住注意力
核心论点	主要在讲什么
论据/案例	用了什么例子支撑
结尾/CTA	最后怎么收的，有没有引导行动

如果是营销/带货类：

结构	内容
痛点切入	开头怎么戳中用户痛点
产品卖点	列出提到的卖点
信任背书	用了什么方式建立信任（数据/案例/权威）
转化路径	怎么引导用户下单/关注/点击

如果是知识/教程类：

结构	内容
主题	这期在教什么
步骤拆解	按顺序列出教学步骤
关键提醒	有没有强调注意事项
适用场景	适合什么人/什么场景用

金句提取

挑出 2-3 句适合二次传播的金句（有传播力、有观点、有情绪）

内容判断

• 立场分析：说话的人站在什么立场（创作者/消费者/平台/品牌方）
• 可信度：观点有没有数据支撑，还是纯主观判断
• 可借鉴点：对我们的内容生产有没有参考价值，具体能借鉴什么

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）：

    python3 scripts/transcribe.py "<链接>" --model small
    

• 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/。

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>"

然后读输出的连贯稿，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"的顺序判断。 不要直接跳进内容里去结构化。