| name | douyin-extract-text |
| description | 从抖音视频中提取文案。支持 OCR（硬字幕识别）和 ASR（语音识别）两种模式，并自动进行专业术语订正。当用户需要提取抖音视频文案、字幕、或处理抖音链接时使用。 |
| allowed-tools | Read, Bash, Grep, Glob, Write |
抖音视频文案提取
从抖音视频中提取文案，通过 ASR + OCR 双模式结合，实现高质量文案输出。
Bootstrap 检测（先于工作流执行）
在执行任何工作流步骤前，必须先运行以下检测，并将 skill 目录路径存入变量：
SKILL_DIR="$HOME/.openclaw/workspace/github-repos/kaiye/skills/douyin-extract-text"
which uv > /dev/null 2>&1 || { echo "❌ 需先安装 uv: curl -LsSf https://astral.sh/uv/install.sh | sh"; exit 1; }
which ffmpeg > /dev/null 2>&1 || { echo "❌ 需先安装 ffmpeg"; exit 1; }
ffmpeg 安装方式（按平台）：
- macOS:
brew install ffmpeg
- Ubuntu/Debian:
sudo apt install ffmpeg
- CentOS/RHEL:
sudo yum install ffmpeg
Python 依赖由 uv run 自动管理，无需手动 pip install。
环境配置
无需配置！ ASR 使用本地 Faster-Whisper 模型，完全离线工作。
首次运行时会自动下载（约 250MB）：
- Faster-Whisper small 模型
- 相关依赖库
工作流程（必须按顺序执行）
第一步：ASR 语音识别（主体）
必须首先执行，ASR 结果作为最终文案的主体（句子连贯）。
uv run $SKILL_DIR/scripts/video_asr.py "抖音分享链接" -o ./output
输出文件（均在 -o 指定的目录下）：
{video_id}.mp4 — 下载的视频{video_id}.mp3 — 提取的音频（ASR 识别用）{video_id}_asr.txt — 语音识别结果
第二步：OCR 硬字幕识别（辅助）
必须执行，OCR 结果用于订正 ASR 中的专业术语错误。
使用 --local 复用第一步已下载的视频，避免重复下载：
uv run $SKILL_DIR/scripts/video_ocr.py --local ./output/{video_id}.mp4 -o ./output
输出：{video_id}_ocr.txt
ASR 和 OCR 的输出文件名已区分（_asr.txt / _ocr.txt），不会互相覆盖。
第三步：综合文案整理
在执行整理前，先读取 $SKILL_DIR/CORRECTION.md 中的已知订正词表作为参考。
综合 ASR 和 OCR 结果，生成完整文案：
请综合语音识别（ASR）和 OCR 识别结果，生成完整的视频文案。
整理规则：
1. OCR 结果是硬字幕（视频文案主体），优先使用
2. ASR 结果可能包含 BGM 歌词、画外音等额外信息，酌情补充
3. 如果 OCR 为空或内容很少，以 ASR 为主
4. 使用订正词表修正专业术语错误
OCR 识别结果（硬字幕）：
[读取 ./output/*_ocr.txt 内容]
语音识别结果（ASR，含 BGM/画外音）：
[读取 ./output/*_asr.txt 内容]
订正词表：
[读取 $SKILL_DIR/CORRECTION.md 内容]
常见订正词表见 CORRECTION.md。
第四步：输出最终文案
将订正后的文案保存为 Markdown 文件，输出到用户当前工作目录：
文件命名规则：
- 使用视频标题作为文件名
- 格式：
{视频标题}.md
- 去除标题中的特殊字符（
/\:*?"<>|）
Markdown 格式要求：
# {视频标题}
{订正后的完整文案，按内容分段}
---
来源：抖音视频
视频ID：{video_id}
原始链接：{抖音分享链接中的 URL}
第五步：更新订正词表（可选）
在输出最终文案后，列出本次订正的所有词汇：
本次订正列表：
| 原文（ASR） | 订正后 |
|-------------|--------|
| cloud code | Claude Code |
| 麦塔 | Meta |
| ... | ... |
是否将这些订正词更新到 CORRECTION.md？(y/n)
如果用户确认，将新的订正词追加到 CORRECTION.md 对应的分类中。
注意：
- 只添加新的订正词，避免重复
- 按类别归类（AI产品、技术术语、项目名称等）
- 这样 skill 可以不断积累学习，提高后续订正的准确性
为什么需要双模式？
| 模式 | 优点 | 缺点 |
|---|
| ASR | 句子连贯完整 | 专业术语易错（cloud → Claude） |
| OCR | 专业术语准确 | 可能包含无关文字，句子不连贯 |
结合使用：ASR 提供连贯的句子结构，OCR 提供准确的术语拼写。
常用参数
ASR 模式（video_asr.py）
| 参数 | 说明 |
|---|
--local | 处理本地视频文件 |
-o, --output | 指定输出目录（默认 ./output） |
--force-local | 强制本地下载处理 |
--info-only | 仅获取视频信息 |
-s, --segment-duration | 视频切分时长（秒），默认 300 |
OCR 模式（video_ocr.py）
| 参数 | 说明 |
|---|
--local | 处理本地视频文件 |
-o, --output | 指定输出目录（默认 ./output） |
--info-only | 仅获取视频信息 |
--subtitle-area | 自定义字幕区域（默认 0.7,0.95,0.05,0.95） |
系统依赖
brew install ffmpeg
sudo apt install ffmpeg
