douyin-asr-workflow

name	douyin-asr-workflow
description	抖音视频文字提取工作流。从抖音视频分享链接开始，自动获取视频内容，提取音频文件， 然后通过本地Whisper将音频转换为文字，最后提供完整的过程汇报。 **当以下情况时使用此 Skill**： (1) 用户提供抖音视频分享链接需要提取文字内容 (2) 需要完整的抖音视频处理工作流（获取→提取音频→转文字） (3) 用户需要过程汇报和结果验证 (4) 用户提到"抖音视频转文字"、"抖音字幕提取"、"视频内容转录" (5) 希望使用本地语音识别，无需API密钥
metadata	{"openclaw":{"category":"workflow","dependencies":["agent-reach","openai-whisper"],"platforms":["douyin"]}}

抖音视频文字提取工作流 Skill

这是一个端到端的抖音视频处理工作流，将抖音视频分享链接转换为文字内容。

工作流程

1. 输入验证 - 验证抖音分享链接格式
2. 视频获取 - 使用agent-reach获取抖音视频信息
3. 音频提取 - 使用ffmpeg从视频中提取音频
4. 语音转文字 - 使用腾讯云ASR将音频转换为文字
5. 结果汇报 - 提供完整的过程日志和最终结果

前置要求

确保以下技能已安装并配置：

• agent-reach - 用于抖音视频获取
• openai-whisper - 用于本地语音转文字
• ffmpeg - 用于音频提取（会自动安装）

核心执行流

1. 抖音视频信息获取

# 使用agent-reach的douyin工具解析视频信息
mcporter call 'douyin.parse_douyin_video_info(share_link: "抖音分享链接")'

2. 视频下载和音频提取

# 下载视频（使用yt-dlp）
yt-dlp -f "best[height<=720]" -o "/tmp/douyin_%(id)s.%(ext)s" "视频URL"

# 提取音频为WAV格式（适合ASR处理）
ffmpeg -i "/tmp/douyin_视频ID.mp4" -vn -acodec pcm_s16le -ar 16000 -ac 1 "/tmp/douyin_视频ID.wav"

3. 音频转文字

# 使用本地Whisper进行语音识别（使用base模型节省磁盘空间）
whisper "/tmp/douyin_视频ID.wav" --model base --output_format txt --output_dir /tmp

4. 清理临时文件

# 清理下载的视频和音频文件
rm -f "/tmp/douyin_视频ID.mp4" "/tmp/douyin_视频ID.wav"

完整示例脚本

参考 scripts/douyin_asr_workflow.py 获取完整的实现。

错误处理

• 链接无效：检查抖音分享链接格式（应以 https://v.douyin.com/ 开头）
• 视频无法访问：可能需要处理地区限制或登录要求
• 音频提取失败：检查ffmpeg安装和视频格式
• Whisper识别失败：检查Whisper安装和音频质量

输出格式

工作流会生成以下输出：

1. 过程日志：每个步骤的执行状态和结果
2. 视频信息：视频标题、作者、时长等元数据
3. 文字内容：完整的转录文字
4. 时间戳：处理开始和结束时间

性能优化

• 对于长视频（>2分钟），建议分段处理
• 可以缓存已处理的视频ID避免重复处理
• 支持批量处理多个抖音链接