douyin-mcp-server
抖音链接转写与口播整理
从抖音分享链接自动解析媒体,本机生成逐字稿,再整理成可用口播文案。

本项目基于 yzfly/douyin-mcp-server 继续维护;保留原项目的 Apache-2.0 许可。
✨ 功能特性
🎬 无水印视频 - 获取高质量无水印视频下载链接
🛟 自动降级 - HTTP 解析失败时使用共享 Playwright 捕获签名音频
🎙️ 本地语音识别 -
faster-whisper-medium / CPU int8,不消耗 ASR API✍️ 口播整理 - DeepSeek 去重复、补标点和结构,保留原意
🌐 WebUI - 现代化浏览器界面,无需命令行
🔌 MCP 集成 - 支持 Claude Desktop 等 AI 应用
Related MCP server: Douyin Video Analysis MCP
项目结构
assets/ 预览图和发布用 skill 包
douyin_mcp_server/ Python 核心包
scripts/ 命令行入口
skills/douyin-video/ 可复用的工作流说明
tests/ 单元测试
web/ FastAPI WebUI📦 使用方式
方式 | 适用场景 | 特点 |
普通用户 | 浏览器操作,最简单 | |
Claude Desktop 用户 | AI 对话中直接调用 | |
开发者 | 批量处理,脚本集成 |
🌐 WebUI (推荐)
最简单的使用方式,打开浏览器即可使用。
快速开始
# 1. 克隆你自己的仓库
git clone <your-repository-url>
cd douyin-mcp-server
# 2. 安装依赖
uv sync --extra web
# 3. 启动服务
uv run python web/app.py打开浏览器访问 http://localhost:8080
配置 DeepSeek API Key
有两种方式配置 API Key:
方式一:浏览器内配置
打开 WebUI 页面
点击顶部的「API 未配置」按钮
在弹窗中输入 API Key 并保存
API Key 保存在浏览器本地,仅随提取请求发送给本机服务
方式二:环境变量
export DOUYIN_DEEPSEEK_API_KEY="<your-deepseek-api-key>"
uv run python web/app.py本地 ASR 不需要密钥;DeepSeek Key 只用于最后一步口播整理。
功能说明
操作 | 说明 | 需要 API |
获取信息 | 解析视频标题、ID,获取无水印下载链接 | ❌ |
提取文案 | HTTP/Playwright → 音频 → 本地 ASR → DeepSeek | ✅(仅整理) |
下载视频 | 点击下载链接保存无水印视频 | ❌ |
复制/下载文案 | 一键复制或下载 Markdown 格式文案 | - |
使用步骤
粘贴链接 - 将分享链接粘贴到输入框
点击按钮 - 选择「获取信息」或「提取文案」
查看结果 - 右侧显示视频信息和提取的文案
导出 - 复制文案或下载 Markdown 文件
🚀 MCP Server
在 Claude Desktop、Cherry Studio 等支持 MCP 的应用中使用。
配置方法
编辑 MCP 配置文件,添加:
{
"mcpServers": {
"douyin-mcp": {
"command": "uvx",
"args": ["douyin-mcp-server"],
"env": {
"DOUYIN_DEEPSEEK_API_KEY": "<your-deepseek-api-key>"
}
}
}
}DOUYIN_DEEPSEEK_API_KEY 只放运行环境,不写入仓库、输出文件或运行报告。
可用工具
工具名 | 功能 | 需要 API |
| 解析视频信息 | ❌ |
| 获取下载链接 | ❌ |
| 自动降级、本地转写并整理口播 | ✅(仅整理) |
| 本机 faster-whisper 识别音频 | ❌ |
| 识别在线音频链接 | ✅ (百炼) |
对话示例
用户:帮我提取这个视频的文案 https://v.douyin.com/xxxxx/
Claude:我来帮你提取视频文案...
[调用 extract_douyin_text 工具]
提取完成,文案内容如下:
...🛠️ 命令行工具
适合开发者和批量处理场景。
安装
git clone https://github.com/yzfly/douyin-mcp-server.git
cd douyin-mcp-server
uv sync命令说明
# 查看帮助
uv run python scripts/douyin_downloader.py --help
# 获取视频信息(无需 API)
uv run python scripts/douyin_downloader.py -l "分享链接" -a info
# 下载无水印视频
uv run python scripts/douyin_downloader.py -l "分享链接" -a download -o ./videos
# 提取文案(本地 ASR;整理阶段需要 DOUYIN_DEEPSEEK_API_KEY)
export DOUYIN_DEEPSEEK_API_KEY="<your-deepseek-api-key>"
uv run python scripts/douyin_downloader.py -l "分享链接" -a extract -o ./output
输出格式
output/
└── 7600361826030865707/
├── audio.m4a # 已校验的完整音频
├── transcript-raw.md # 本地 ASR 原始逐字稿
├── copy.md # DeepSeek 整理后的口播
├── metadata.json
└── run-report.json # 五阶段状态和验证证据📋 系统要求
依赖 | 说明 | 安装方式 |
uv | Python 包管理 |
|
Python | 3.10–3.13(推荐 3.12) |
|
FFmpeg | 音视频处理 |
|
faster-whisper medium | 本地 ASR 权重 | 默认读取 |
Playwright | HTTP 解析失败后的浏览器降级 | Windows 使用 |
🔧 技术说明
固定工作流
HTTP 解析分享链接;失败时自动降级到 Playwright。
HTTP 分支下载视频;浏览器分支按 Range 下载签名音频。
HTTP 分支用 FFmpeg 抽音;浏览器分支用 ffprobe 校验完整音频。
本机
faster-whisper-medium / CPU int8生成带时间戳逐字稿。DeepSeek 整理成口播文案,并写入
run-report.json。
📝 更新日志
v1.5.0(当前工作站版)
HTTP 解析失败自动降级到共享 Playwright
使用本机
faster-whisper-medium / CPU int8,ASR 不再依赖云端 API使用 DeepSeek V4 Flash 整理口播文案
固定输出音频、原始逐字稿、整理文案、元数据和运行报告
v1.4.1
🔧 MCP Server 修复 -
API_KEY现在正确对应硅基流动密钥,与文档一致;同时兼容旧版DASHSCOPE_API_KEY配置♻️ 恢复工具 - 恢复
recognize_audio_file/recognize_audio_url工具及extract_douyin_text的context参数🛡️ WebUI 安全加固 - 下载接口不再代理任意 URL,默认仅监听本机
⚡ WebUI 性能 - 提取文案不再阻塞其他请求
📦 依赖精简 - WebUI 依赖改为可选安装(
pip install "douyin-mcp-server[web]")
v1.4.0
🌐 WebUI - 新增浏览器可视化界面
🔑 浏览器配置 API Key - 无需环境变量
📑 大文件支持 - 自动分段处理长音频
v1.3.0
✨ Claude Code Skill 支持
📄 Markdown 格式输出
v1.2.0
🔄 API 升级
v1.0.0
🎉 首次发布
⚠️ 免责声明
本项目仅供学习和研究使用
使用者需遵守相关法律法规
禁止用于侵犯知识产权的行为
作者不对使用本项目产生的损失承担责任
📄 许可证
Apache License 2.0
🤝 贡献
提交 Issue 或 Pull Request 前,请阅读 CONTRIBUTING.md。安全问题请按 SECURITY.md 的方式私下报告。
准备发布到自己的 GitHub 仓库前,请把 pyproject.toml 中的 project.urls 补成你的仓库地址,并按需要修改项目名称和作者信息。
上游来源
原始项目作者:yzfly(GitHub)。
Available Tools
5 toolsextract_douyin_textA
从抖音分享链接提取视频中的文本内容
参数:
share_link: 抖音分享链接或包含链接的文本
model: 本地 faster-whisper 模型(可选,默认 medium)
context: 口播整理用途或额外要求(可选)
返回:
提取的文本内容
注意: 本地 ASR 不消耗 API;最后整理口播需要 DOUYIN_DEEPSEEK_API_KEY
Inputs: share_link (required), model, context. Returns: result
get_douyin_download_linkA
获取抖音视频的无水印下载链接
参数:
share_link: 抖音分享链接或包含链接的文本
返回:
包含下载链接和视频信息的JSON字符串
Inputs: share_link (required). Returns: result
parse_douyin_video_infoB
解析抖音分享链接,获取视频基本信息
参数:
share_link: 抖音分享链接或包含链接的文本
返回:
视频信息(JSON格式字符串)
Inputs: share_link (required). Returns: result
recognize_audio_fileA
识别本地音频文件中的文本
参数:
file_path: 本地音频文件路径
context: 上下文文本,用于提高识别准确率(可选)
language: 指定语言代码(如 'zh', 'en'),可选,默认自动检测
model: 语音识别模型(可选,默认使用qwen3-asr-flash)
返回:
识别的文本内容
注意: 使用本机 faster-whisper,默认 medium / CPU int8,不消耗 API
Inputs: file_path (required), model, context, language. Returns: result
recognize_audio_urlA
识别在线音频URL中的文本
参数:
audio_url: 音频URL链接
context: 上下文文本,用于提高识别准确率(可选)
language: 指定语言代码(如 'zh', 'en'),可选,默认自动检测
model: 语音识别模型(可选,默认使用qwen3-asr-flash)
返回:
识别的文本内容
注意: 需要设置环境变量 DASHSCOPE_API_KEY
Inputs: audio_url (required), model, context, language. Returns: result
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 5 tools
每个工具的功能明确区分:下载链接、提取文本、识别音频(文件/URL)、解析信息,无重叠或模糊之处。
所有工具均使用动词+名词的snake_case命名,但动词不统一(get, extract, recognize, parse),不过每个名称都清晰描述了操作,整体可接受。
5个工具覆盖了抖音视频处理的核心功能,规模适中,既不过度也不精简。
涵盖了链接获取、文本提取、音频识别和视频信息解析等主要操作,但缺少例如搜索或评论等扩展功能,不过对当前领域而言已较完整。
Related MCP Connectors
MCP server for RiverScript, an AI transcription platform - fetches transcripts shared via a link.
MCP server for Kling AI video generation
An MCP server that gives any LLM or agent clean YouTube transcripts on demand: a single video, a whole channel, or a playlist, plus AI cleanup of auto-generated captions. API-key auth, credit-based, same backend as the public v1 API. Get a free API key with 25 free credits at youtubetranscriptdownload.com/account.
MCP server for Hailuo (MiniMax) AI video generation
Related MCP Servers
- AlicenseNot gradedqualityCmaintenanceAn MCP server that downloads videos/extracts audio from various platforms like YouTube, Bilibili, and TikTok, then transcribes them to text using OpenAI's Whisper model.12MIT
- AlicenseAqualityCmaintenanceAn MCP server that parses Douyin share links and performs intelligent content analysis using the Doubao video understanding model. It provides structured outputs including video summaries, categorized outlines, and step-by-step tutorial information.12MIT
- AlicenseNot gradedqualityDmaintenanceA Model Context Protocol server that downloads watermark-free videos from Douyin (TikTok China) share links, extracts audio, and transcribes speech to text using ASR APIs.23 PyPI2MIT
- AlicenseNot gradedqualityDmaintenanceMCP server for fetching YouTube video transcripts without an API key.GPL 3.0