---
name: douyin-asr-workflow
version: 1.0.0
category: 开发编程
trigger_words:
tags:
  - api
platform: coze
source: DeepseekModel
source_url: https://deepseekmodel.com/skill?id=oday0311-openclaw-skills-douyin-asr-workflow-skill-md
---

name douyin-asr-workflow description 抖音视频文字提取工作流。从抖音视频分享链接开始，自动获取视频内容，提取音频文件， 然后通过本地Whisper将音频转换为文字，最后提供完整的过程汇报。 **当以下情况时使用此 Skill**： (1) 用户提供抖音视频分享链接需要提取文字内容 (2) 需要完整的抖音视频处理工作流（获取→提取音频→转文字） (3) 用户需要过程汇报和结果验证 (4) 用户提到"抖音视频转文字"、"抖音字幕提取"、"视频内容转录" (5) 希望使用本地语音识别，无需API密钥 metadata {"openclaw":{"category":"workflow","dependencies":["agent-reach","openai-whisper"],"platforms":["douyin"]}} 抖音视频文字提取工作流 Skill 这是一个端到端的抖音视频处理工作流，将抖音视频分享链接转换为文字内容。 工作流程 输入验证 - 验证抖音分享链接格式 视频获取 - 使用agent-reach获取抖音视频信息 音频提取 - 使用ffmpeg从视频中提取音频 语音转文字 - 使用腾讯云ASR将音频转换为文字 结果汇报 - 提供完整的过程日志和最终结果 前置要求 确保以下技能已安装并配置： agent-reach - 用于抖音视频获取 openai-whisper - 用于本地语音转文字 ffmpeg - 用于音频提取（会自动安装） 核心执行流 1. 抖音视频信息获取 # 使用agent-reach的douyin工具解析视频信息 mcporter call 'douyin.parse_douyin_video_info(share_link: "抖音分享链接")' 2. 视频下载和音频提取 # 下载视频（使用yt-dlp） yt-dlp -f "best[height<=720]" -o "/tmp/douyin_%(id)s.%(ext)s" "视频URL" # 提取音频为WAV格式（适合ASR处理） ffmpeg -i "/tmp/douyin_视频ID.mp4" -vn -acodec pcm_s16le -ar 16000 -ac 1 "/tmp/douyin_视频ID.wav" 3. 音频转文字 # 使用本地Whisper进行语音识别（使用base模型节省磁盘空间） whisper "/tmp/douyin_视频ID.wav" --model base --output_format txt --output_dir /tmp 4. 清理临时文件 # 清理下载的视频和音频文件 rm -f "/tmp/douyin_视频ID.mp4" "/tmp/douyin_视频ID.wav" 完整示例脚本 参考 scripts/douyin_asr_workflow.py 获取完整的实现。 错误处理 链接无效 ：检查抖音分享链接格式（应以 https://v.douyin.com/ 开头） 视频无法访问 ：可能需要处理地区限制或登录要求 音频提取失败 ：检查ffmpeg安装和视频格式 Whisper识别失败 ：检查Whisper安装和音频质量 输出格式 工作流会生成以下输出： 过程日志 ：每个步骤的执行状态和结果 视频信息 ：视频标题、作者、时长等元数据 文字内容 ：完整的转录文字 时间戳 ：处理开始和结束时间 性能优化 对于长视频（>2分钟），建议分段处理 可以缓存已处理的视频ID避免重复处理 支持批量处理多个抖音链接