抖音视频内容提取
🛑 核心限制(2026-06-07 实测)
小弟的 browser_navigate 打开 v.douyin.com/xxx 会跳到 douyin.com/video/{id},但拿不到视频内容:
- 页面渲染出来是 React shell + "视频数据加载中"
- 视频播放器是
<video>但src为空(动态 X-Bogus / _signature 签名) document.body.innerText只返回页面框架文字(登录按钮、底部链接、推荐视频标题)- 不登录连真实视频都看不到
- 小弟的 browser 没有老大的抖音 cookie
结论:直接爬抖音网页 = 死路。必须走 fallback。
✅ 4 条 Fallback(按老大配合成本从低到高)
Fallback 1:老大 paste 文字(最快 1 分钟)
让老大发:
- 视频简介(抖音点视频 → 下方"展开"→ 复制)
- 评论区里有人总结的内容
- 老大看完后凭记忆讲几个关键点
小弟拿到文字 → 直接干活(找 repo、装 skill、写文案)。
Fallback 2:老大截图 + 小弟 OCR(2-3 分钟)
操作:
- 老大在抖音 App 暂停视频
- 截屏提到 skill 名字、链接、命令的那几帧
- 发图片给小弟(拖进 Feishu / 微信 DM)
- 小弟用
vision_analyze读图
优点:保留视觉信息(用户名、评论数、关键帧)。 缺点:依赖老大手动截。
Fallback 3:yt-dlp / 第三方解析站下载(5-10 分钟)
工具链:
# yt-dlp(最稳,但要最新版)
yt-dlp --cookies-from-browser chrome "https://v.douyin.com/xxx/" -o video.mp4
# 或第三方解析站(不一定稳)
# https://douyin.wtf/
# https://v.douyin-parse.com/
# 复制视频链接 → 解析 → 下载 mp4 → 提取字幕
# 提取音频 → Whisper 转文字
ffmpeg -i video.mp4 -vn -acodec pcm_s16le audio.wav
whisper audio.wav --language zh --model medium
优点:全自动,不需要老大。 缺点:
- yt-dlp 经常被抖音反爬更新打断
- 解析站域名/接口每周失效
- Whisper 中文 ASR 准确率 ~85-95%,专有名词(skill 名 / GitHub repo)容易错
Fallback 4:第三方 API(贵但稳)
- 飞书剪藏:抖音 → 复制链接 → 飞书剪藏机器人 → 自动转文字(要老大有飞书剪藏权限)
- Coze / 字节扣子工作流:上传视频 → 自动提取文案(要注册 + 配工作流)
- 第三方 API:apitry.com / json-parse 之类的抖音解析服务(按次收费)
Fallback 5:老大发关键字 → 小弟 GitHub 反查(最快路径)
症状:老大只记得视频里讲了一个名字(如 "dbskills"),没给完整 repo / 作者。
操作(实测有效 2026-06-07):
# 老大小弟说了 "dbskills" 3 个字
curl -s "https://api.github.com/search/repositories?q=dbskills" \
| python -c "import json,sys; d=json.load(sys.stdin); \
[print(i['full_name'], '|', i.get('stargazers_count',0), '*', i.get('description','')[:80]) \
for i in d.get('items',[])[:5]]"
# → 输出候选 2-5 个 repo,给老大 A/B/C 选
搜索词变体表(老大可能说的"半截"关键字):
| 老大说 | GitHub 搜 |
|---|---|
| "dbskills" / "数据库 skill" | dbskills、db-skills+ai、dbskills+database |
| "gstack" / "g 站" | gstack+skill、gstack+openclaw |
| "gbrain" / "g 脑" | gbrain+agent、gbrain+second-brain |
| "awesome X" | awesome-hermes-agent、awesome-claude-skills |
| "self-evolution" / "自进化" | hermes-agent-self-evolution(NousResearch 官方) |
| "文案诊断" / "copy audit" | copy-audit+skill、copywriting+diagnose+skill |
| "抖音 skill" | douyin+skill、short-video+agent |
优势:
- 老大配合成本最低(1-2 个字就行)
- 小弟不用看视频就定位到具体 repo
- 准确率比 OCR 高(视频里字小/一闪而过容易漏)
注意:搜出来 2-5 个候选时,必须给老大选(A/B/C),不要自己拍板。老大记得哪个 = 真的。
🎯 给老大的标准回复模板
当老大发抖音链接但小弟拿不到内容时:
# 🛑 抖音视频小弟读不到(反爬严)
# 老大帮 1 件事:
🅰️ 复制视频简介(抖音 → 视频 → 展开 → 复制)
🅱️ 截图关键帧(提到 skill / 链接 / 命令的几张)
🅲️ 老大凭记忆讲几个重点(要装的 skill 名 / GitHub 仓库)
# 老大随便给点信息,小弟就开干。
🔧 找 skill/工具的 3 个技巧
如果视频里讲的是 自媒体人宝藏 skills 这类内容,可以这样配合:
搜索视频标题/简介的关键字(如"自媒体 skills"):
curl -s "https://api.github.com/search/repositories?q=自媒体+skill" | head curl -s "https://api.github.com/search/repositories?q=creator+agent+skill" | head在 skills.sh / clawhub / hermes hub 搜:
hermes skills search douyin hermes skills search short-video hermes skills search 自媒体(注意:hub 搜索经常超时 → 走 GitHub API 兜底)
看视频作者的其他内容(如果作者 ID 已知):
# 用 douyin-user-videos skill # 拿到作者主页 → 看所有视频标题 → 找到同主题视频 → 重复提取
📌 反爬技术备忘(仅供了解,不实际绕过)
抖音反爬三层:
- X-Bogus / _signature 签名:每次请求带动态签名,由 JS 生成
- 设备指纹 + 行为检测:headless browser 一看就知
- 登录态校验:核心 API 必须登录态 cookie
结论:自写爬虫不划算,第三方工具 / 老大配合 / 第三方 API 才是正道。
📁 相关 skill
media/youtube-content— YouTube 视频转写(比抖音好做,有官方 transcript)openclaw-imports/douyin-hot-trend— 抖音热榜数据(不是单视频内容)openclaw-imports/douyin-user-videos— 抖音博主视频列表(不是单视频内容)openclaw-imports/douyin-kuaishou-expert— 抖音/快手内容创作(不是提取)
📌 实战流程图
老大发抖音链接
↓
browser_navigate → 拿到 React shell
↓
document.body.innerText → 只有框架文字
↓
判断:失败
↓
给老大 3 个 fallback (A/B/C)
↓
老大选 → 拿到文字/截图/视频文件
↓
小弟干活(找 skill / 装 / 写文案)
📁 参考文件
references/2026-06-07-douyin-extraction-fail.md— 2026-06-07 实测失败现场("算力炼丹炉"两条视频链接的尝试记录),含browser_navigate/innerText/<video>.src三种尝试的真实输出。