技能介绍

要解决的问题

短视频创作者经常需要把抖音、小红书、快手、B站等平台的视频文案提取出来做二次创作或素材整理，但平台水印、硬编码字幕和视频本身都是障碍。手动抄文案效率低，通用的转写工具又往往需要上传到云端。

核心能力

这个工具箱提供四类处理能力：

视频提文案：输入分享链接或本地视频，自动下载、提取音频并用 ASR 转写出完整口播脚本，同时返回带时间戳的分段文本和平台原始文案。
去水印：解析抖音、小红书等平台的分享文本，通过 API 或页面解析拿到无水印下载地址；快手和 B 站则走 yt-dlp 兜底。
去字幕：对本地视频用 ffmpeg 的 delogo、模糊、黑块或 OpenCV 修复等方式移除硬字幕，可指定字幕区域。
图片提文案：对截图或海报做 OCR，按 PaddleOCR → EasyOCR → pytesseract 顺序尝试，输出逐行文本。

提文案的流程是：下载视频 → ffmpeg 抽音频 → ASR 转写。ASR 默认用 Vosk（离线、纯 C++ 推理，不依赖 GPU 或 PyTorch），如果环境里装了 Whisper 则自动切到 Whisper 以获得更高精度。中文模型首次运行下载后会缓存到 ~/.cache/video_toolkit/vosk_models/。

注意点

抖音、快手链接需要有效的 Cookie，否则可能返回 403 或空内容；Cookie 文件应放在包外并通过 --cookies 或 VIDEO_TOOLKIT_COOKIES 传入。
平台 API 变动频繁，自定义解析失效时会回退到 yt-dlp，需定期 pip install -U yt-dlp。
去字幕的 OpenCV 修复模式速度明显慢于 ffmpeg 方案，仅在质量优先时使用。
仅供个人学习或获得授权后使用，遵守各平台条款与版权规定。