抖音视频采集技能 v2

功能

在抖音上筛选高互动视频，下载视频文件并提取口播文案，输出到指定目录。

核心能力

🔍 筛选：按点赞/评论/分享数据筛选高互动视频
📥 下载：下载视频文件到本地
📝 文案提取：双层方案——API字幕优先，faster-whisper ASR 兜底
ℹ️ 信息查询：查看视频互动数据、字幕轨信息等

前置条件

必需

Python 3.10+
Chrome 浏览器已安装并已登录抖音
已安装 httpx：pip install httpx

ASR 文案提取（可选，无字幕视频需要）

已安装 FFmpeg：brew install ffmpeg（macOS）或下载 Windows 版
已安装 faster-whisper：pip install faster-whisper

目录结构

抖音视频采集技能v2/
├── SKILL.md            ← 技能定义（本文件）
├── config.json         ← 配置文件（筛选规则、输出目录等）
└── douyin_fetch.py     ← 主脚本

AI 操作指引

当用户提出以下需求时，AI 应按以下流程操作：

流程一：筛选+下载（用户说"帮我筛选抖音视频"、"找爆款"等）

检查 config.json 中 filter.candidates 是否有候选视频
如果没有，提示用户提供候选视频列表（格式：视频ID, 标题, 作者, 点赞, 评论, 收藏, 分享）

如果用户想临时调整筛选阈值，用命令行参数覆盖：

python douyin_fetch.py filter --min-digg 10000 --min-comment 0 --min-share 0

执行脚本并汇报结果

流程二：下载指定视频（用户提供视频ID或链接）

从用户输入中提取 video_id（纯数字，如 7611489793444171048）
如果用户给的是链接（https://www.douyin.com/video/xxx），提取 xxx 部分
记录搜索关键字（如有），用于目录分组和文件命名

执行：

python douyin_fetch.py download <video_id> --keyword <搜索关键字>

汇报：视频文件路径、文案内容、互动数据

流程三：仅提取文案（用户说"提取文案"、"转文字"等）

如果用户已有本地视频文件：

python douyin_fetch.py transcript <video_id> --file /path/to/video.mp4

如果没有本地文件：

python douyin_fetch.py transcript <video_id>

将提取到的文案内容直接展示给用户

流程四：仅查看信息（用户说"看看这个视频数据"等）

python douyin_fetch.py info <video_id>

使用 Chrome MCP 获取更准确的数据（推荐）

当脚本方式获取失败（如需要登录态），AI 应改用 Chrome MCP 操作：

用 navigate_page 打开 https://www.douyin.com/video/{video_id}
用 list_network_requests 查找包含 aweme/v1/web/aweme/detail/ 的请求
用 get_network_request 获取该请求的响应体（JSON）
将 JSON 数据通过 parse_aweme_api_response() 函数解析
或者直接从 JSON 中手动提取所需字段

使用方式

# 筛选+下载（使用配置文件的候选列表和规则）
python douyin_fetch.py filter

# 临时降低筛选门槛
python douyin_fetch.py filter --min-digg 10000 --min-comment 0 --min-share 0

# 下载指定视频
python douyin_fetch.py download 7611489793444171048

# 仅提取文案
python douyin_fetch.py transcript 7611489793444171048

# 仅提取文案（指定本地视频文件用于ASR）
python douyin_fetch.py transcript 7611489793444171048 --file ./video.mp4

# 仅查看视频信息
python douyin_fetch.py info 7611489793444171048

输出产物

按搜索关键字分组存储，目录名即为搜索关键字：

~/抖音下载/AI新闻/
├── 2026-04-19 一周AI大事盘点.mp4        ← 视频文件
└── 2026-04-19 一周AI大事盘点.txt         ← 口播文案

~/抖音下载/赚钱干货/
├── 2026-04-20 打破信息茧房.mp4
└── 2026-04-20 打破信息茧房.txt

文件命名规则：yyyy-MM-dd 关键字.mp4 / yyyy-MM-dd 关键字.txt

yyyy-MM-dd 取自视频的发布日期（create_time）
关键字从视频标题中自动提取（前12个有效字符）

文案文件格式：

视频ID: 7611489793444171048
标题: 打破信息茧房之后才知道之前都在傻干活
作者: Ai破壁人小彭
互动: 👍68,575 💬218 ⭐35,416 🔗6,410
文案来源: API字幕
==================================================
【口播文案】

（文案内容）

配置说明

所有配置项均在 config.json 中，支持空值使用智能默认值。

| 配置项 | 说明 | 默认值 | |--------|------|--------| | output_dir | 输出根目录 | ~/抖音下载/ | | ffmpeg_path | FFmpeg 路径 | 系统 PATH 中的 ffmpeg | | filter.rules.min_digg | 最低点赞数 | 20000 | | filter.rules.min_comment | 最低评论数 | 5000 | | filter.rules.min_share | 最低分享数 | 5000 | | filter.process_count | 每次处理几个视频 | 1 | | filter.candidates | 候选视频列表 | [] | | browser.wait_timeout | 页面等待时间 | 10秒 | | download.timeout | 下载超时 | 90秒 | | subtitle.method | 文案策略：api_first 或 asr_only | api_first |

候选视频格式

{
  "filter": {
    "candidates": [
      {
        "video_id": "7611489793444171048",
        "desc": "打破信息茧房之后才知道之前都在傻干活",
        "author": "Ai破壁人小彭",
        "digg_count": 68575,
        "comment_count": 218,
        "collect_count": 35416,
        "share_count": 6410
      }
    ]
  }
}

技术原理

获取视频信息：请求抖音视频页面，解析 SSR 渲染数据（RENDER_DATA）
视频下载：从 API 响应中提取视频 URL（优先 VE 混合轨道），httpx 异步下载
文案提取（双层方案）：

第一层：API 字幕轨（subtitle_infos 中的 VTT/SRT 文件）→ 解析为纯文本
第二层：faster-whisper 本地 ASR（FFmpeg 提取音频 → 模型推理）

Chrome MCP 增强：当脚本方式受限时，通过 Chrome MCP 拦截网络请求获取更完整的 API 数据

注意事项

视频需要有口播内容才能提取文案
API 字幕仅对带字幕的视频有效（部分视频可能无内置字幕）
ASR 需要安装 FFmpeg 和 faster-whisper 依赖
下载可能因网络或抖音限制失败，可重试
大量下载可能触发反爬，建议控制频率
首次使用 faster-whisper 会自动下载模型（tiny 约 75MB），请确保网络通畅（或设置 HF_ENDPOINT 镜像）

常见问题

| 问题 | 解决方案 | |------|----------| | "无法获取视频信息" | 使用 Chrome MCP 方式获取，或检查网络 | | "API字幕内容为空" | 自动进入 ASR 兜底，确保已安装 SenseVoice | | "FFmpeg 提取音频失败" | 检查 ffmpeg 是否已安装：ffmpeg -version | | "faster-whisper 未安装" | 运行 pip install faster-whisper | | 下载的视频无声音 | 抖音对部分视频分离了音视频轨道，尝试 Chrome MCP 获取更完整的 URL |