Skip to main content
Glama

抖音链接转写与口播整理

License

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。

WebUI 界面预览

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

WebUI

普通用户

浏览器操作,最简单

MCP Server

Claude Desktop 用户

AI 对话中直接调用

命令行

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

  1. 打开 WebUI 页面

  2. 点击顶部的「API 未配置」按钮

  3. 在弹窗中输入 API Key 并保存

  4. 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

  1. 粘贴链接 - 将分享链接粘贴到输入框

  2. 点击按钮 - 选择「获取信息」或「提取文案」

  3. 查看结果 - 右侧显示视频信息和提取的文案

  4. 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

parse_douyin_video_info

解析视频信息

❌

get_douyin_download_link

获取下载链接

❌

extract_douyin_text

自动降级、本地转写并整理口播

✅(仅整理)

recognize_audio_file

本机 faster-whisper 识别音频

❌

recognize_audio_url

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

curl -LsSf https://astral.sh/uv/install.sh | sh

Python

3.10–3.13(推荐 3.12)

uv python install 3.12

FFmpeg

音视频处理

brew install ffmpeg (macOS) apt install ffmpeg (Ubuntu)

faster-whisper medium

本地 ASR 权重

默认读取 D:\AI_Tools\models\huggingface\hub

Playwright

HTTP 解析失败后的浏览器降级

Windows 使用 D:\AI_Tools\bin\playwright-node.cmd


🔧 技术说明

固定工作流

  1. HTTP 解析分享链接;失败时自动降级到 Playwright。

  2. HTTP 分支下载视频;浏览器分支按 Range 下载签名音频。

  3. HTTP 分支用 FFmpeg 抽音;浏览器分支用 ffprobe 校验完整音频。

  4. 本机 faster-whisper-medium / CPU int8 生成带时间戳逐字稿。

  5. 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 tools
extract_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

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

    A3.9/5.0

    Scored across 5 tools

    Disambiguation5/5

    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。

    Naming Consistency4/5

    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。

    Tool Count5/5

    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。

    Completeness4/5

    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

    Related MCP Servers