---
name: douyin-transcribe
version: 1.0.0
category: 生活与工具
trigger_words:
tags:
platform: coze
source: DeepseekModel
source_url: https://deepseekmodel.com/skill?id=chubbyguan-chubbyskills-douyin-transcribe-skill-md
---

name douyin-transcribe description 抖音视频 → 下载 → 转录 → 存为 Markdown 的完整工作流。 支持短链接和完整链接，无需 cookie/登录。 category media triggers ["用户发送抖音分享链接或口头提到要转录抖音视频","把这个抖音视频转成文字","帮我转录这个抖音"] version 1.0.0 tags ["media","audio","video","transcription","douyin"] 抖音视频转录 Skill 将抖音视频下载音频，用 SenseVoice-Small 转录为文字，存为 Markdown 文件。 环境要求 # Python 3.9+ python -m venv .venv source .venv/bin/activate # 依赖 pip install funasr modelscope torch torchaudio # 系统依赖 # macOS: brew install ffmpeg # Ubuntu: sudo apt install ffmpeg 使用方法 python scripts/transcribe.py "https://v.douyin.com/xxxxx" 流程（3 步） Step 1: 从抖音下载音频 使用 iesdouyin.com/share/video/<id> + 移动端 UA 获取 window._ROUTER_DATA ，提取 CDN 下载链接。 关键点： ✅ iesdouyin.com/share/video/ 而非 douyin.com/video/ ✅ 移动端 UA 必须用 iPhone ✅ playwm → play 去水印 ✅ 无需 cookie、无需登录、无需 yt-dlp Step 2: SenseVoice-Small 转录 from funasr import AutoModel from funasr.utils.postprocess_utils import rich_transcription_postprocess model = AutoModel( model= "iic/SenseVoiceSmall" , trust_remote_code= True , vad_model= "fsmn-vad" , vad_kwargs={ "max_single_segment_time" : 30000 }, device= "cpu" , ) result = model.generate( input =audio_path, language= "zh" , use_itn= True , batch_size_s= 60 ) Step 3: 生成 Markdown 自动创建带 frontmatter 的 Markdown 文件。 性能数据 视频时长 模型加载 转录耗时 总耗时 10 min ~30s ~25s ~1 min 30 min ~30s ~75s ~2 min 1h 22min ~40s ~180s ~4 min 已知限制 SenseVoice-Small 模型首次下载约 893MB（从 ModelScope，国内快） CPU 推理质量略低于 GPU，但中文仍优于 Whisper-small VAD 自动切分可能把长停顿处切成两段 不支持说话人分离 yt-dlp 不可用（需要 cookie），必须走 iesdouyin 路线 参考项目 FunAudioLLM/SenseVoice - 语音识别模型 FunASR - 语音识别框架 vangie/douyin-transcriber - 原始灵感（Go CLI） ⚖️ 合规声明 仅供 个人学习与研究 使用。请遵守目标平台的服务条款（ToS）与 robots 规则，控制请求频率，不要用于批量抓取、商用爬取或侵犯他人权益的场景。下载内容的版权归原作者所有。