douyin-parse

把抖音分享链接变成可读的文案：链接 → 文案.txt / 文案_分析版.md，附带画面文字（OCR）与一段 AI 可靠性分析。

dyparse parse "https://v.douyin.com/xxxxxx/"

• 视频：Playwright 抓流 → FFmpeg 转 16k 单声道 → Whisper 转录 → 本地字典纠错 → RapidOCR 识屏
• 图文：直接读页面文本，不下载、不 OCR
• AI 可选：标点恢复 + 可靠性分析（任意 OpenAI 兼容接口），不配也能跑

上图是一次真实运行：20 秒短视频，全本地模式（--ai none --no-ocr）。

安装

需要 Python 3.10+ 和 ffmpeg。

# 推荐：隔离安装
pipx install "douyin-parse[all]"

# 或者用 uv
uv tool install "douyin-parse[all]"

# 也可以直接装进当前环境
pip install "douyin-parse[all]"

# 开发模式
git clone https://github.com/panghulo1994/douyin-parse.git
cd douyin-parse && pip install -e ".[all]"
playwright install chromium   # 非 Windows 或没装 Chrome 时需要

[all] 会带上 whisper 和 OCR 依赖；不想装那么多就只装 douyin-parse， 再按需补 pip install faster-whisper。

转录后端二选一，推荐 faster-whisper（CPU 快 3–4 倍，不用装 torch）：

pip install faster-whisper     # 约 300 MB
# 或
pip install openai-whisper     # 会带入 torch，约 2.5 GB

dyparse doctor 会告诉你当前能用哪个。

装完先自检：

dyparse doctor

用法

dyparse parse "https://v.douyin.com/xxxx/"            # 单条
dyparse parse "https://v.douyin.com/xxxx/" -v         # 强制按视频解析
dyparse parse "https://v.douyin.com/xxxx/" --ai none  # 全本地，不调用 AI
dyparse batch links.txt                               # 批量，一行一个链接
dyparse transcribe ./a.mp4                            # 本地文件，不联网、不开浏览器
dyparse config --init                                 # 生成 .env 模板

常用参数：

也可以用环境变量：DOUYIN_OUTPUT_BASE / DOUYIN_WHISPER_MODEL / DISABLE_VIDEO_OCR / DOUYIN_AI_PROVIDER / AI_API_URL / AI_API_KEY / AI_MODEL。

Windows 上密钥只存在「用户环境变量」里也能读到（不需要重启终端）。

给 Agent 用（可选）

仓库带一个 skill：skills/douyin-parse/SKILL.md。复制到你的技能目录即可：

• Claude Code：~/.claude/skills/douyin-parse/
• DSH：~/.dsh/skills/douyin-parse/

skill 只约定「什么时候调用、怎么汇报」，解析仍然由 dyparse 完成。

产出

每条内容一个文件夹（{标题}_{YYYYMMDD}）：

速度

CPU 上实测（30 分钟视频，i9-14900HX）：

长视频建议 --model small；追求准确度再用 large-v3。

平台

• Windows：默认调用系统 Chrome（DOUYIN_BROWSER_CHANNEL=chrome），窗口会自动最小化
• macOS / Linux：需要 playwright install chromium，窗口最小化自动跳过
• 无图形界面服务器：加 --headless（抖音可能对无头浏览器更敏感，失败就换回有头）

现状

v0.1 把原先的单文件脚本拆成了模块：

cli / config / pipeline / extract / transcribe / ocr / media / browser
ai / render / correct / naming / batch / local / doctor

已完成：dyparse 命令行、跨平台配置目录、doctor 自检、单元测试、 faster-whisper 后端、本地文件模式、--headless。

尚未完成：

• 失效自动检测（页面结构改版时给出明确提示）
• 图形界面

发布流程（PyPI + Trusted Publishing）见 docs/发布.md。

• 更多平台适配与失效自动检测

许可与免责声明

MIT。仅供个人学习与研究使用。

抓取行为可能违反平台用户协议，且会随平台改版失效；产出的文案、画面文字版权归原作者， 请勿再分发或用于商业用途。