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:/ [email protected] 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="\x3C抖音链接>"

步骤 2：下载视频（仅音频流）

ffmpeg -i "\x3C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

💰 成本优化

• 零 API 费用：本地 Whisper 完全免费
• 零网络依赖：不需要 Groq/OpenAI API
• 隐私保护：视频/音频不离开本地机器

🛡️ 稳定性优化

• 不依赖浏览器：避免抖音反爬和登录问题
• 不依赖第三方 API：避免 API 限制和费用
• 离线可用：安装后无需网络即可转录

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：

• 短视频（\x3C3分钟）：2-3 分钟
• 中等视频（3-10分钟）：5-8 分钟
• 长视频（>10分钟）：10-15 分钟

故障排查

模型选择建议

配置示例

Windows PowerShell 环境变量

$env:PATH = "C:\Users\\x3C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 "\x3C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

最佳实践

1. 短视频（\x3C3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

• douyin-mcp：获取视频信息
• ffmpeg：音频提取和处理
• OpenAI Whisper：本地语音识别
• Python：运行环境

优化版 Skill，让抖音文案提取更简单、更私密、更经济。