抖音视频文案提取器

要解决的问题

抖音视频中的口播信息常以语音形式存在，直接抓取文本并不方便。这个技能面向工程师和知识工作者，把 v.douyin.com / douyin.com 视频链接转换为可编辑的文字稿，便于归档、检索和二次加工。

技能如何工作

它围绕语音转写构建：使用 yt-dlp 获取音频流，借助 ffmpeg 完成格式处理，再用 faster-whisper 将语音转成文本。首次运行会检查依赖并缓存路径，后续启动更快。支持 --lang auto/zh/yue/en/ja/ko、--model tiny/base/small/medium、--timestamps、--output 和 --cookies 等参数。对 Whisper 常见的同音字误识别，它会结合上下文进行订正，并内置部分佛教术语校正。若遇到 403，会按音频流、格式列表和 Playback API 兜底下载。

注意点

公开视频多数可直接运行；需要登录态或限制访问时，可准备 Cookie 文件。模型精度越高，速度和资源消耗越高；粤语、方言、噪声、专业名词较多时，建议提高模型或人工复核。输出文本仍可能包含语音转写的细微误差，不宜直接作为精确引用。