抖音视频转文字

安装指南

1. ClawHub CLI 从源直接安装技能的最快方式。
   npx clawhub@latest install douyin-video-to-text
2. 手动安装 将技能文件夹复制到以下位置之一
   全局模式
   ~/.openclaw/skills/
   工作区
   /skills/
   优先级：工作区 > 本地 > 内置
3. 提示词安装 将此提示词复制到 OpenClaw 即可自动安装。
   请帮我使用 Clawhub 安装 douyin-video-to-text。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
   更倾向于下载？
   获取包含原生技能文件的ZIP压缩包。
   下载技能 (.zip)

什么是

抖音视频转文字是一项 OpenClaw 技能，可将公开视频链接或分享文本发送至 LinkDigest，并返回结构化文本，包括语音转录、屏幕文字、标题、描述、要点、标签及可用的互动统计数据。它支持抖音、小红书视频笔记、TikTok、YouTube 和 X；YouTube 使用 Gemini 视频分析，其他受支持来源则可能使用平台字幕或 Qwen3-ASR 进行语音识别。
此技能无需平台账户、cookies、本地视频下载、ffmpeg 或语音识别模型。无需 API 密钥即可每天免费生成一份摘要，也可以配置 LinkDigest API 密钥以获取完整结果。Openclaw Skills 用户可选择 Markdown 或 JSON 输出，也可选择请求翻译、部分处理或设置最高 credit 限额。

应用场景

获取聊天中分享的公开视频的语音转录或摘要。
提取屏幕字幕、教程步骤、产品详情或其他比旁白更重要的文字。
每次整理一个竞品或参考视频链接，或使用文档所述的批量 API 一次处理最多 50 个链接。
将受支持的 TikTok、小红书、YouTube 或 X 视频链接转换为结构化文本，用于研究和记笔记。
翻译提取的内容，同时保留原语言字段。
如果需要逐句字幕时间、SRT 文件、可下载视频、Bilibili 支持、评论，或访问私密、已删除、直播或需要登录的视频，请勿使用此技能。

工作原理

提供受支持的公开视频 URL，或粘贴完整分享文本；服务会从分享文本中提取链接。
脚本将请求提交至 LinkDigest。没有 API 密钥时，服务每天提供一份免费摘要；配置密钥后即可进行完整处理，但受账户 credits 和限额约束。
LinkDigest 获取平台可用字幕，或使用 Qwen3-ASR 处理语音。对于 YouTube，Gemini 会观看视频并生成转录及视觉文字字段。
服务在可用时提取屏幕文字和视频元数据，然后整理出要点、标签及互动统计数据。
如果处理耗时较长，API 会返回带有任务 ID 的 HTTP 202。随附脚本会轮询处理状态；客户端应继续轮询该任务，而不是再次提交相同请求。
结果以 Markdown 或 JSON 返回。分享或引用输出前，请检查转录来源、部分处理详情、credits 和降级说明。

配置指南

要求：Python 3.8+ 和 python3。随附脚本使用 Python 标准库；无需 ffmpeg、本地模型或平台 cookies。
如需完整结果，请在 https://linkdigest.dev/app/keys 创建 LinkDigest API 密钥。新账户可获得 10 个一次性 credits。密钥为可选项；没有密钥时，文档所述的免费方案每天允许生成一份摘要。
将密钥存储在环境变量或技能的 OpenClaw 配置中。不要将其粘贴到聊天、源代码或提交记录中。
export LINKDIGEST_API_KEY=ld_live_...
或者，在 ~/.openclaw/openclaw.json 中配置技能环境：
{ skills: { entries: { "linkdigest-video-transcript": { env: { LINKDIGEST_API_KEY: "ld_live_..." } } } }
使用视频 URL 或分享文本运行提供的脚本。将 {baseDir} 替换为已安装的技能目录。
python3 {baseDir}/scripts/linkdigest.py ""
python3 {baseDir}/scripts/linkdigest.py "" --format json
python3 {baseDir}/scripts/linkdigest.py "" --translate-to en
python3 {baseDir}/scripts/linkdigest.py "" --max-credits 5
对于含引号或换行符的分享文本，请通过标准输入传递：
printf '%s' "$SHARE_TEXT" | python3 {baseDir}/scripts/linkdigest.py -
HTTP API 地址为 https://linkdigest.dev/api/v1/digest；使用 Bearer token 进行身份验证。当前选项、限额和定价请参阅 https://linkdigest.dev/zh/docs。

数据架构

服务会返回 Markdown 或结构化 JSON。主要视频字段包括：
Field Contents
title, author, posted_at, caption 标题、创作者、发布日期及可用时的原始描述
transcript[] {t, text} 格式的语音片段；t 为片段开始时间，单位为秒
transcript_source 来源：asr、native_captions、gemini_video 或 none
on_screen[] {t, text} 格式的提取视觉文字及近似时间戳；YouTube 结果不提供此字段
ocr_text[] 不含时间戳的合并视觉文字列表；YouTube 视觉文字在此提供
key_points[], tags[] 原语言的关键要点及主题标签
stats 可用的点赞、评论、收藏、分享和播放数据，以及 as_of 日期；不可用的值可能为 null
duration_seconds, read_seconds 视频时长和已处理时长
partial 部分读取时出现；包含已处理时长和 credit 详情
translation 请求 translate_to 时添加；原字段保持不变
raw_markdown 包含转录和屏幕文字部分的完整 Markdown 渲染内容
credits, cached, degraded[] 已使用的 credits、缓存状态及处理不完整的说明
转录时间戳对应片段级别，而非句子级别。ASR 音频会拆分为最长约 170 秒的片段，每段带有开始时间。屏幕文字时间为基于抽样帧的近似值，较短暂的文字可能会被遗漏。结果按链接缓存；缓存请求不消耗 credits。脚本不会读取或写入本地文件；生成的视频、音频和图像文件会在处理期间存放于临时存储，并在响应前删除。

高级特性

自动处理异步 HTTP 202 任务、轮询、可配置超时，以及使用任务 ID 恢复处理。
支持 JSON 或 Markdown 输出、使用 --translate-to 进行可选翻译，以及通过 --max-credits 设置 credit 防护上限。
HTTP API 选项包括
partial_ok
、
breakdown
depth
；可用性及账户限额请查阅文档。
可通过
POST /api/v1/digest/batch
批量处理，最多支持 50 个链接。
远程 Streamable HTTP MCP 端点为
https://linkdigest.dev/mcp
，提供
digest_url
工具；仅支持本地 stdio 的客户端可通过
npx mcp-remote
连接。
OpenAPI 规范、Dify 集成和开源 MCP 客户端示例请见
https://linkdigest.dev/zh/docs。
如实说明来源和限制：ASR 可能误识人名或混合语言语音；YouTube 文字由模型生成；互动统计是快照；部分结果必须标注为部分结果。

name: douyin-video-to-text description: "抖音视频转文字：口播逐字稿（带时间）、画面上的字幕和文字、标题简介、章节、要点、点赞评论收藏数。用户发来 douyin.com、v.douyin.com 链接或分享口令，要提取文案、扒口播、提字幕、总结视频时使用。不需要 Key 也能先免费看一条摘要；注册拿 Key（送 10 积分）后给完整逐字稿，1 分钟视频 2 积分（约 ¥0.29）。不下载视频，不需要抖音账号或 Cookie。" version: 1.0.0
homepage: https://linkdigest.dev/zh/docs