抖音视频智能助手

核心用法

抖音视频智能助手（douyin-transcribe）是一套端到端的视频内容处理方案，支持三类触发方式：抖音官方链接（v.douyin.com）、本地视频文件、含链接的分享文本。系统通过浏览器自动化捕获 DASH 音频流，经 ffmpeg 下载后调用 Groq Whisper large-v3 完成语音识别（约3秒），再由 LLM 进行智能标点与分段，最终根据用户意图输出结构化结果。

五种处理模式：

• 默认模式：自动总结视频要点（3-7条）+ 一句话概括，适合快速了解内容
• 逐字稿模式：输出完整转录文本，超长内容自动截断并提示文件路径
• 总结模式：深度结构化总结，含核心观点、关键要点、适用场景
• 归档模式：保存至 douyin-knowledge/ 目录，格式为 Markdown，含元数据与全文
• 讨论模式：基于内容给出 AI 分析、质疑点及与用户场景的关联建议

显著优点

1. 零成本运行：依赖 Groq 免费层（Whisper + LLM），无额外云服务费用
2. 多模态触发：链接、文件、分享文本均可识别，覆盖移动端主流分享场景
3. 智能意图识别：无需显式指令，自动匹配最适合的输出模式
4. 持续对话能力：转录结果驻留上下文，后续追问无需重复转录
5. 开放架构：ffmpeg + Node.js 脚本，可本地部署或集成至 OpenClaw 工作流

潜在缺点与局限性

• 依赖 Groq 服务稳定性：免费层存在 429 限流，高峰期可能延迟
• 音频质量敏感：背景音乐、方言、专业术语识别准确率下降
• 25MB 文件上限：长视频需分段处理或用户自行剪辑
• 网页版登录状态：部分视频需登录抖音网页版才能获取音频流
• 隐私边界：用户视频内容流经 Groq 云端，敏感信息需本地 Whisper 替代方案

适合人群

• 信息焦虑型用户：快速筛选海量短视频，提取可执行知识
• 内容创作者：追踪竞品动态、整理选题素材、归档爆款文案
• 研究人员：访谈视频、讲座内容的批量转录与结构化
• 团队协作者：飞书/Notion 知识库建设，支持一键同步

常规风险

• API Key 泄露：.env 文件需加入 .gitignore，避免意外提交
• 版权内容处理：转录他人视频需注意合理使用范围，商用建议获取授权
• 依赖管理：ffmpeg 需用户自行安装，Windows 环境配置门槛较高
• 服务连续性：Groq 免费政策可能调整，建议预留备选 TTS/ASR 方案

核心用法

抖音视频智能助手（douyin-transcribe） 是一个专为抖音内容设计的自动化转录与处理工具。用户只需发送抖音链接或视频文件，系统即可自动完成：音频提取 → 语音识别 → 智能处理（总结/逐字稿/归档/讨论）的全流程。

触发方式：支持 douyin.com 链接、分享文本（自动提取链接）、或直接上传视频文件。

五种处理模式：

• 默认模式：自动生成结构化要点总结，附带一句话概括
• 逐字稿模式：输出完整转录文本，支持分段展示
• 总结模式：深度分析核心观点、关键要点与适用场景
• 归档模式：保存到知识库目录，生成标准化 Markdown 文件
• 讨论模式：AI 基于内容给出分析评价与用户关联建议

技术栈：浏览器自动化提取音频流 → ffmpeg 处理 → Groq Whisper 免费语音识别 → LLM 智能分段标点。

---

显著优点

1. 零成本运行：依赖 Groq 免费 API（Whisper large-v3），无需订阅付费服务
2. 低资源消耗：音频流仅约 1MB，转录 3 秒完成
3. 多模态输入：支持链接、分享文本、本地文件三种方式
4. 智能后续交互：转录后上下文保留，支持"看原文""存起来""你怎么看"等追问，无需重复转录
5. 结构化输出：自动生成标题、博主、要点、一句话概括等元信息
6. 知识库集成：一键归档到 douyin-knowledge/ 目录，兼容飞书/Notion 等平台

---

潜在缺点与局限性

| 问题 | 说明 |

|------|------|

| **第三方依赖** | 必须配置 Groq API Key，首次使用有门槛 |

| **音频提取不稳定** | 抖音网页版策略变化可能导致 `audioUrl` 获取失败，需登录或重试 |

| **时长限制** | Groq Whisper 限制 25MB，超长视频需分段处理 |

| **网络要求** | 依赖稳定的国际网络连接访问 Groq API |

| **平台绑定** | 针对抖音优化，其他平台视频需额外适配 |

| **隐私顾虑** | 音频数据需上传至 Groq 服务器，敏感内容需谨慎 |

---

适合人群

• 内容创作者：快速整理竞品视频、提取爆款文案
• 知识工作者：归档学习视频、建立个人知识库
• 研究人员：批量处理访谈视频、生成可搜索文本
• 普通用户：不想看完整视频，只想获取核心信息

---

常规风险

1. 命令注入风险（中等）：使用 execSync 执行 ffmpeg 等外部命令，需确保输入路径经过验证
2. 数据外传告知不足（中等）：音频上传至 Groq API 前缺乏明确用户确认步骤
3. 路径遍历（低）：文件处理未严格限制在工作目录内
4. API Key 泄露风险：.env 文件权限设置不当可能导致密钥暴露
5. 临时文件残留：异常情况下可能留下未清理的临时文件

建议：在生产环境使用前，完成首次配置向导（检查 ffmpeg、API Key、环境变量），并了解数据保留政策。