技能介绍

要解决什么问题

做竞品拆解、选题复盘或口播稿归档时，你往往只有一条 v.douyin.com 短链或一串视频 ID，需要尽快拿到可检索的口播全文，而不是反复手动录屏、本地抽音频再跑 ASR。账号维度的批量盘点同样麻烦：翻主页、逐条点开、复制标题，很难沉淀成结构化素材。

技能如何工作

本技能把「解析页面 → 拿到可转写的音频 URL → 语音识别 → 落盘/同步」串成一条 pipeline，各步骤模块化，由 pipeline.py 统一调度。

HTTP SSR 提取：不依赖无头浏览器，通过服务端渲染页面的元数据快速解析链接、短链、纯数字 ID，以及从账号名拉取多条视频（需 opencli 等账号搜索能力时按环境配置）。
paraformer-v2 ASR：使用阿里云百炼 DASHSCOPE_API_KEY，对远程音频 URL 直接转写，避免先下载整段视频再本地识别。
多端输出：默认终端与 txt/json；可选写入飞书多维表格（lark-cli 已认证）、Obsidian vault；download=true 时可将 MP4 落到 output 目录。
批量与并行：input 支持逗号分隔的多 ID/多链接、links.txt 文件路径，并用 workers 控制并行度；count 限制单账号抓取条数。
文案改写：传入 product 可在转写结果上触发改写逻辑（rewrite/ 模块），便于把通用口播改成面向特定产品的表述。

触发侧面向自然说法，例如「提取抖音文案」「抖音视频转文字」「douyin extract」等，参数表里的 feishu / no-feishu / obsidian 用于在终端、飞书与笔记库之间切换出口。

适用边界与注意点

转写质量与链接可访问性、阿里云 ASR 配额直接相关；未配置 DASHSCOPE_API_KEY（环境变量或 ~/.hermes/.env 中的 DASHSCOPE）时 ASR 步骤无法完成。飞书、Obsidian、账号搜索均为可选路径，缺依赖时应使用 no-feishu 或仅终端输出，避免 pipeline 在输出阶段失败。页面结构或平台策略变化时，SSR 元数据字段可能失效，需要回到 core/ 解析逻辑维护。批量并行会放大 API 与网络压力，账号抓取请合理设置 count 与 workers。