抖音逐字稿提取器

要解决什么问题

做复盘、写稿或剪字幕时，你往往需要从抖音等平台的公开视频里拿到可编辑的文字，而不是在播放器里反复拖进度条听写。更麻烦的是，把链接丢给在线转写服务，等于把音视频和说话内容交给第三方；对未公开或需登录的内容，还常常直接失败。

本技能面向「链接进、本地出」：在同一台机器上完成下载与语音识别，交付多种格式的逐字稿，便于后续润色、检索或导入剪辑时间线。

技能如何工作

1. 接收视频网页 URL，并确认输出目录（未指定时默认使用工作区下的 video-transcripts）。
2. 确认内容为公开可访问，或你已授权访问；需登录才能看的视频，需提供 Netscape 格式 Cookies 文件，或明确授权从本机浏览器读取 Cookies。
3. 使用内置脚本通过 yt-dlp 拉取媒体，再用 faster-whisper 在本地转写。中文或中英混合默认用 small 模型；更重视准确率且算力允许时可改用 medium。
4. 输出目录通常包含：source.*（源视频）、transcript.md（带时间戳、默认主交付）、transcript.txt（纯文本）、transcript.srt（剪辑软件字幕）、transcript.json（来源、语言、模型与分段轴的结构化结果）。

常用参数包括 --language zh 强制中文识别、--model base|small|medium|large-v3 在速度与准确率间取舍，以及在用户授权下 --cookies-from-browser chrome 读取 Chrome 登录态；有 NVIDIA GPU 时可用 --device cuda --compute-type float16 加速。

适用边界与注意点

• 自动转写不等于人工校订：听辨错误难免，不要将其当作绝对准确的定稿；需要润色或校订时应先与用户确认。
• 不绕过平台限制：付费墙、DRM、访问限制或平台保护导致下载失败时，应停止并说明原因，而不是尝试绕过。
• 依赖与环境：首次使用某 Whisper 模型会在本机下载并缓存；建议安装 ffmpeg 以兼容更多编码，媒体无法解码时可改提供本地音视频文件。
• 下载异常时可先更新 yt-dlp 再对原链接重试。