Douyin Transcribe

抖音视频智能助手 🎬🧠

用户发一个抖音链接，你就能"看到"视频内容——转录、总结、讨论、归档，一条龙。

触发条件

以下情况触发此 Skill：

1. 用户消息包含 douyin.com 链接（短链或长链都算）
2. 用户发来视频文件 + 提到"转文字/转录"等
3. 用户发来类似 7.94 复制打开抖音... 的分享文本（提取其中链接）

第一步：判断用户意图

根据用户消息，判断属于以下哪种模式：

判断不了时，用默认模式。

第二步：转录视频

无论哪种模式，都需要先拿到逐字稿。

方式 A：用户发来抖音链接

A1. 启动浏览器

browser(action="start", profile="openclaw")

如果浏览器已运行，跳过。

A2. 打开链接

browser(action="navigate", url="<链接>", profile="openclaw")

A3. 等待播放，提取音频

等 3-5 秒让视频播放，然后执行：

browser(action="act", kind="evaluate", profile="openclaw", fn=下方代码)

() => {
  const entries = performance.getEntriesByType('resource');
  const audioEntry = entries.find(e => e.name.includes('media-audio'));
  const title = document.querySelector('h1')?.textContent?.trim() ||
                document.querySelector('[data-e2e="video-desc"]')?.textContent?.trim() ||
                document.title;
  const authorEl = document.querySelector('[data-e2e="video-account-link"]') ||
                   document.querySelector('.author-name');
  const author = authorEl?.textContent?.trim();
  return {
    audioUrl: audioEntry?.name || null,
    title: title || '未知标题',
    author: author || '未知作者'
  };
}

如果 audioUrl 为 null，等 5 秒重试（最多 3 次）。仍然为 null 可能需要用户先登录抖音网页版。

A4. 运行转录脚本

<skill目录> 替换为这个 SKILL.md 所在的实际目录路径。

Windows PowerShell：

$env:DOUYIN_AUDIO_URL = "<audioUrl>"
$env:DOUYIN_TITLE = "<title>"
$env:DOUYIN_AUTHOR = "<author>"
cd "<skill目录>"
node scripts/transcribe.js "<原始链接>"

Linux/Mac：

cd "<skill目录>"
DOUYIN_AUDIO_URL="<audioUrl>" DOUYIN_TITLE="<title>" DOUYIN_AUTHOR="<author>" node scripts/transcribe.js "<原始链接>"

设 timeout 120 秒。

A5. 读取逐字稿

脚本成功后，读取 douyin-transcripts/ 目录下最新的 .md 文件，拿到完整逐字稿文本。

方式 B：用户发来视频文件

保存文件到 <skill目录>/temp/，然后：

cd "<skill目录>"
node scripts/transcribe.js "<视频文件路径>"

读取最新 .md 输出文件。

方式 C：用户发来分享文本

从文本中提取 https://v.douyin.com/xxxxx/ 链接，按方式 A 处理。

第三步：根据模式输出结果

🔹 默认模式（最常用）

用户只发了链接，没说要干嘛。给最有价值的输出。

1. 读完逐字稿后，你自己做一个总结（不调脚本，你就是 LLM）
2. 总结格式：

📹 {视频标题} 👤 {博主名}

要点总结：

1. {要点1}
2. {要点2}
3. {要点3} ...（3-7个要点，视内容长度而定）

一句话概括： {用一句话说清楚这个视频讲了什么}

---

💡 逐字稿已保存。回复"看原文"查看完整逐字稿，"存起来"归档到知识库。

3. 不要甩一大段逐字稿——用户扔链接过来是想快速了解内容，不是要读作文

🔹 逐字稿模式

用户明确要逐字稿，直接给：

📹 {标题} | 👤 {博主}

---

{完整逐字稿内容}

如果逐字稿太长（>2000字），先给前 1000 字 + "内容较长，已保存完整版到 {文件路径}"。

🔹 总结模式

比默认模式更详细的总结：

📹 {标题} | 👤 {博主}

核心观点

{2-3段话概括视频主旨}

关键要点

1. {要点标题}：{展开说明}
2. {要点标题}：{展开说明} ...

适用场景

{这个内容对用户有什么用，适合什么人看}

🔹 归档模式

1. 先做总结（同默认模式）
2. 保存到知识库目录 <workspace>/douyin-knowledge/（workspace 指 OpenClaw 工作目录）
3. 文件名格式：{YYYY-MM-DD}-{简短标题}.md
4. 文件内容包含：来源链接、博主、总结、完整逐字稿

# {视频标题}

**来源**: {抖音链接}
**博主**: {博主名}
**日期**: {归档日期}

## 总结
{AI 总结内容}

## 完整逐字稿
{逐字稿全文}

5. 告诉用户：

✅ 已归档到 douyin-knowledge/{文件名} {简短总结}

如果用户提到飞书/Notion 等具体平台，用对应工具创建文档。

🔹 讨论模式

1. 先做总结
2. 然后给出你的看法/分析：

📹 {标题} | 👤 {博主}

要点： {3-5个要点}

我的看法： {你对内容的分析——同意什么、质疑什么、对用户有什么启发}

{如果和用户的工作/计划相关，指出关联}

后续交互

转录完成后，用户可能会追问。常见追问及处理：

关键：逐字稿已经在你上下文里了，后续追问不需要重新转录。

首次使用？先帮用户配置

当用户第一次触发时，按以下顺序检查环境。缺什么补什么。

检查 1：.env 文件

read: <skill目录>/.env

不存在则从 .env.example 复制。

检查 2：Groq API Key

读 .env，检查 GROQ_API_KEY 是否已填（不是 gsk_your_key_here）。

如果未填，告诉用户：

需要一个免费的 Groq API Key 来做语音识别。

1. 打开 https://console.groq.com
2. Google/GitHub 登录（免费，不要信用卡）
3. API Keys → Create API Key
4. 复制 Key（gsk_ 开头）发给我

拿到 Key 后更新 .env。

检查 3：ffmpeg

exec: ffmpeg -version

没装则引导安装（Mac: brew install ffmpeg，Windows: gyan.dev 下载，Linux: apt install ffmpeg）。

技术说明

工作原理

抖音链接 → 浏览器打开 → DASH 音频流 URL → ffmpeg 下载（~1MB）
         → Groq Whisper large-v3（免费，3秒）
         → Groq LLM 标点分段（免费，1秒）
         → Agent 智能处理（总结/讨论/归档）

依赖

文件结构

douyin-transcribe/
├── SKILL.md              ← 你正在读的操作指南
├── README.md             ← 面向人类的说明
├── _meta.json            ← 元数据 + 触发词
├── .env.example          ← 配置模板
├── .env                  ← 用户配置（不提交 git）
├── .gitignore
├── scripts/
│   └── transcribe.js     ← 转录脚本
├── douyin-transcripts/   ← 逐字稿输出（自动创建）
└── temp/                 ← 临时文件（自动清理）

故障排查