douyin-extract-text

name douyin-extract-text description 从抖音视频中提取文案。支持 OCR（硬字幕识别）和 ASR（语音识别）两种模式，并自动进行专业术语订正。当用户需要提取抖音视频文案、字幕、或处理抖音链接时使用。 allowed-tools Read, Bash, Grep, Glob, Write 抖音视频文案提取 从抖音视频中提取文案，通过 ASR + OCR 双模式结合，实现高质量文案输出。 Bootstrap 检测（先于工作流执行） 在执行任何工作流步骤前， 必须 先运行以下检测，并将 skill 目录路径存入变量： # 设置 SKILL_DIR（根据实际路径调整） SKILL_DIR= " $HOME /.openclaw/workspace/github-repos/kaiye/skills/douyin-extract-text" # 检测 uv which uv > /dev/null 2>&1 || { echo "❌ 需先安装 uv: curl -LsSf https://astral.sh/uv/install.sh | sh" ; exit 1; } # 检测 ffmpeg which ffmpeg > /dev/null 2>&1 || { echo "❌ 需先安装 ffmpeg" ; exit 1; } ffmpeg 安装方式（按平台）： macOS: brew install ffmpeg Ubuntu/Debian: sudo apt install ffmpeg CentOS/RHEL: sudo yum install ffmpeg Python 依赖由 uv run 自动管理，无需手动 pip install 。 环境配置 无需配置！ ASR 使用本地 Faster-Whisper 模型，完全离线工作。 首次运行时会自动下载（约 250MB）： Faster-Whisper small 模型 相关依赖库 工作流程（必须按顺序执行） 第一步：ASR 语音识别（主体） 必须首先执行 ，ASR 结果作为最终文案的主体（句子连贯）。 uv run $SKILL_DIR /scripts/video_asr.py "抖音分享链接" -o ./output 输出文件（均在 -o 指定的目录下）： {video_id}.mp4 — 下载的视频 {video_id}.mp3 — 提取的音频（ASR 识别用） {video_id}_asr.txt — 语音识别结果 第二步：OCR 硬字幕识别（辅助） 必须执行 ，OCR 结果用于订正 ASR 中的专业术语错误。 使用 --local 复用第一步已下载的视频，避免重复下载： # 将 {video_id} 替换为实际的视频 ID uv run $SKILL_DIR /scripts/video_ocr.py -- local ./output/{video_id}.mp4 -o ./output 输出： {video_id}_ocr.txt ASR 和 OCR 的输出文件名已区分（ _asr.txt / _ocr.txt ），不会互相覆盖。 第三步：综合文案整理 在执行整理前，先读取 $SKILL_DIR/CORRECTION.md 中的已知订正词表作为参考。 综合 ASR 和 OCR 结果，生成完整文案 ： 请综合语音识别（ASR）和 OCR 识别结果，生成完整的视频文案。 整理规则： 1. OCR 结果是硬字幕（视频文案主体），优先使用 2. ASR 结果可能包含 BGM 歌词、画外音等额外信息，酌情补充 3. 如果 OCR 为空或内容很少，以 ASR 为主 4. 使用订正词表修正专业术语错误 OCR 识别结果（硬字幕）： [读取 ./output/*_ocr.txt 内容] 语音识别结果（ASR，含 BGM/画外音）： [读取 ./output/*_asr.txt 内容] 订正词表： [读取 $SKILL_DIR/CORRECTION.md 内容] 常见订正词表见 CORRECTION.md 。 第四步：输出最终文案 将订正后的文案保存为 Markdown 文件，输出到用户当前工作目录： 文件命名规则 ： 使用视频标题作为文件名 格式： {视频标题}.md 去除标题中的特殊字符（ /\:*?"<>| ） Markdown 格式要求 ： # {视频标题} {订正后的完整文案，按内容分段} --- 来源：抖音视频 视频ID：{video _id} 原始链接：{抖音分享链接中的 URL} 第五步：更新订正词表（可选） 在输出最终文案后，列出本次订正的所有词汇： 本次订正列表： | 原文（ASR） | 订正后 | |-------------|--------| | cloud code | Claude Code | | 麦塔 | Meta | | ... | ... | 是否将这些订正词更新到 CORRECTION.md？(y/n) 如果用户确认，将新的订正词追加到 CORRECTION.md 对应的分类中。 注意 ： 只添加新的订正词，避免重复 按类别归类（AI产品、技术术语、项目名称等） 这样 skill 可以不断积累学习，提高后续订正的准确性 为什么需要双模式？ 模式 优点 缺点 ASR 句子连贯完整 专业术语易错（cloud → Claude） OCR 专业术语准确 可能包含无关文字，句子不连贯 结合使用 ：ASR 提供连贯的句子结构，OCR 提供准确的术语拼写。 常用参数 ASR 模式（video_asr.py） 参数 说明 --local 处理本地视频文件 -o, --output 指定输出目录（默认 ./output） --force-local 强制本地下载处理 --info-only 仅获取视频信息 -s, --segment-duration 视频切分时长（秒），默认 300 OCR 模式（video_ocr.py） 参数 说明 --local 处理本地视频文件 -o, --output 指定输出目录（默认 ./output） --info-only 仅获取视频信息 --subtitle-area 自定义字幕区域（默认 0.7,0.95,0.05,0.95） 系统依赖 # 必须安装 ffmpeg # macOS: brew install ffmpeg # Ubuntu/Debian: sudo apt install ffmpeg # uv — Python 依赖由 uv 自动管理，无需手动 pip install # 安装 uv: curl -LsSf https://astral.sh/uv/install.sh | sh