抖音视频快速转文字（优化版）🎬➡️📝

---

name: douyin-transcribe-fast

description: |

抖音视频快速转文字（优化版）。用户发抖音链接，自动提取文案。

特点：本地 Whisper 转录，无需 API Key，零成本，高隐私。

触发词：抖音、转文字、提取文案、视频转录

---

# 抖音视频快速转文字（优化版）🎬➡️📝

本地 Whisper 转录，无需 API Key，零成本，高隐私。

---

前置依赖检查

使用前确保以下工具已安装：

1. Python 3.8+

python --version

2. FFmpeg（音频处理）

ffmpeg -version

未安装？Windows: `winget install Gyan.FFmpeg`

3. OpenAI Whisper（本地转录）

pip install openai-whisper

---

使用方式

方式 1：抖音链接

用户发送抖音链接，如：

> 2.89 03/17 zTl:/ n@d.nq 真正赚钱的人到底怎么用 AI？ https://v.douyin.com/D4SVbwCEY6g/

**执行步骤：**

#### 步骤 1：解析视频信息

使用 douyin-mcp 获取视频下载链接：

mcporter call douyin-mcp.parse_douyin_video_info share_link="<抖音链接>"

#### 步骤 2：下载视频（仅音频流）

ffmpeg -i "<视频URL>" -vn -acodec pcm_s16le -ar 16000 -ac 1 "audio.wav" -y

#### 步骤 3：本地 Whisper 转录

whisper "audio.wav" --model tiny --language Chinese --output_format txt

> 💡 **优化提示**：

> - 使用 `tiny` 模型最快（适合短视频）

> - 使用 `base` 模型平衡速度和质量

> - 使用 `small` 模型质量最好（适合长视频）

#### 步骤 4：返回结果

读取生成的 txt 文件，返回给用户。

---

方式 2：本地视频文件

用户发送视频文件，直接执行步骤 3-4。

---

优化策略

🚀 速度优化

| 策略 | 效果 | 适用场景 |

|------|------|----------|

| 只下载音频流 | 减少 90% 下载时间 | 所有视频 |

| 使用 tiny 模型 | CPU 转录 1-2 分钟 | 短视频 (<3分钟) |

| 使用 base 模型 | CPU 转录 3-5 分钟 | 中等视频 (3-10分钟) |

| 跳过视频下载 | 直接提取音频 URL | 网页版抖音 |

💰 成本优化

🛡️ 稳定性优化

---

完整工作流程

用户发送抖音链接
    ↓
提取 modal_id / 视频 URL（通过 douyin-mcp）
    ↓
下载音频流（ffmpeg，~1-5MB）
    ↓
本地 Whisper 转录（tiny/base/small 模型）
    ↓
返回中文文案

**总耗时**：

---

故障排查

| 问题 | 原因 | 解决 |

|------|------|------|

| douyin-mcp 返回 403 | API Key 无效 | 检查 `~/.cursor/mcp.json` 配置 |

| ffmpeg 未找到 | 未安装或不在 PATH | 安装 ffmpeg 并添加到环境变量 |

| whisper 未找到 | 未安装 | 运行 `pip install openai-whisper` |

| 转录质量差 | 模型太小或音频不清 | 改用 base/small 模型 |

| 转录速度慢 | CPU 性能不足 | 使用 tiny 模型或升级硬件 |

---

模型选择建议

| 模型 | 速度 | 质量 | 显存/内存 | 推荐场景 |

|------|------|------|-----------|----------|

| tiny | ⚡ 最快 | ⭐⭐ | ~1GB | 短视频、快速预览 |

| base | 🚀 快 | ⭐⭐⭐ | ~1GB | 日常使用 |

| small | 🚗 中等 | ⭐⭐⭐⭐ | ~2GB | 高质量需求 |

| medium | 🐢 慢 | ⭐⭐⭐⭐⭐ | ~5GB | 专业用途 |

---

配置示例

Windows PowerShell 环境变量

$env:PATH = "C:\Users\<用户名>\AppData\Local\Programs\Python\Python311\Scripts;" +
            "C:\ffmpeg\bin;" +
            $env:PATH

快速转录命令

# 下载音频
ffmpeg -i "<视频URL>" -vn -acodec pcm_s16le -ar 16000 -ac 1 "audio.wav" -y

# 转录（tiny 模型，最快）
whisper "audio.wav" --model tiny --language Chinese --output_format txt

# 转录（base 模型，平衡）
whisper "audio.wav" --model base --language Chinese --output_format txt

---

与原版 skill 对比

| 特性 | douyin-transcribe | douyin-transcribe-fast（本版） |

|------|-------------------|-------------------------------|

| 依赖 | Groq API Key | 无需 API Key |

| 费用 | 免费（Groq） | 完全免费 |

| 隐私 | 音频上传到 Groq | 完全本地 |

| 速度 | 3-5 秒 | 2-15 分钟（取决于视频长度） |

| 网络要求 | 需要网络 | 安装后离线可用 |

| 准确度 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐（small模型） |

| 适用场景 | 快速转录、大量视频 | 隐私敏感、离线环境、零成本 |

---

最佳实践

1. **短视频（<3分钟）**：直接用 tiny 模型，2分钟出结果

2. **中等视频（3-10分钟）**：用 base 模型，平衡速度和质量

3. **长视频（>10分钟）**：用 small 模型，或分段处理

4. **批量处理**：先下载所有音频，再批量转录

5. **质量优先**：对重要视频使用 small 模型，日常用 base

---

技术栈

---

*优化版 Skill，让抖音文案提取更简单、更私密、更经济。*