核心用法
douyin-transcribe 是一个将抖音视频内容自动转换为可编辑文本的实用工具。用户仅需提供抖音链接或本地视频文件，系统即可自动完成音频提取、语音识别、智能标点分段的全流程。
主要使用场景：
- 链接转录：发送抖音短链接（如
https://v.douyin.com/xxxxx/），系统自动打开页面、提取音频流并转录 - 文件转录：直接上传视频文件，跳过浏览器环节快速处理
- 分享文本解析：从「复制打开抖音」类分享文本中自动提取有效链接
技术链路： 浏览器获取 DASH 音频流 → ffmpeg 下载音频（约1MB）→ Groq Whisper large-v3 语音识别（免费，3秒级响应）→ Groq LLM 智能标点分段 → 输出结构化 Markdown 文本。
显著优点
1. 零成本运营：全程依赖 Groq 免费 API，无需信用卡，无用量焦虑
2. 极速响应：Groq 推理速度比 OpenAI Whisper 快约10倍，短视频 5 秒内完成
3. 轻量设计：仅下载音频流（~1MB），较完整视频下载节省 20-50 倍流量与存储
4. 高兼容性：规避 yt-dlp 等工具对抖音反爬的依赖，通过浏览器模拟降低失效风险
5. 智能后处理：LLM 自动添加标点、分段，输出可直接用于笔记、剪辑脚本、字幕整理
潜在缺点与局限性
- 时长限制：Groq Whisper 单文件上限 25MB，超长视频需分段处理或裁剪
- 频率瓶颈：免费 API 存在速率限制（429 错误），高频批量处理需间隔等待
- 登录依赖：部分抖音内容需网页版登录才能获取音频流，首次使用可能需人工介入
- 网络波动：依赖海外 API 服务（Groq），国内网络环境可能出现不稳定
- 隐私考量：音频数据需上传至 Groq 云端处理，敏感内容存在外发风险
适合人群
- 内容创作者：快速提取爆款视频文案、整理口播脚本
- 研究者/分析师：批量获取短视频文本数据进行内容研究
- 听障用户：将无字幕视频内容转为可读文本
- 多平台运营者：跨平台搬运时快速获取原视频文案参考
常规风险
| 风险类型 | 说明 |
|---------|------|
| API 服务稳定性 | Groq 免费策略可能调整，存在未来收费或降速可能 |
| 平台规则变动 | 抖音前端结构更新可能导致音频提取逻辑失效 |
| 版权合规 | 转录他人内容需注意著作权与平台使用条款，避免商用侵权 |
| 数据安全 | 音频片段上传至第三方云服务，机密内容不建议使用 |