convez.ai
MCP ServerAutomaçãoIntermediário
ZY-ZhichaoYu

Transcritor de Vídeos Douyin/Bilibili

ZY-ZhichaoYu/douyin-transcribe

Cole link → Baixa vídeo → Transcreve áudio com Whisper local

Ver no GitHub
InicialPluginScore · de 0 a 100

MCP server que baixa automaticamente vídeos do Douyin (TikTok chinês) ou Bilibili via link e transcreve o áudio para texto usando Whisper local. Inclui interface web Gradio para uso direto, permitindo transformar conteúdo de vídeo em texto editável em segundos.

Instalação

$npx convez-ai ZY-ZhichaoYu/douyin-transcribe

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
8
Forks
0
Acompanhando
0
Saúde
42%
Último commit
há 2 meses
Versão
—
Issues abertas
0
Contribuidores
1

Casos de uso

  • Extrair transcrições de vídeos do Douyin/TikTok chinês sem assistir completamente
  • Obter texto de conteúdo Bilibili para análise, tradução ou resumo com IA
  • Automatizar pipeline de captura de áudio e conversão em transcrição de qualidade

Veredito

Ferramenta prática de automação focada em ecossistema chinês (Douyin/Bilibili). Bem implementada com suporte a múltiplos formatos de link e modelos Whisper ajustáveis. MCP server + UI web oferece flexibilidade, mas o escopo geográfico limita aplicação geral em português.

README

A tradução para o português deste README ainda está na fila.

抖音 / Bilibili 视频转文字

粘贴抖音或 Bilibili 链接,自动下载媒体,用本地 Whisper 转成文字稿。 也可以只下载原视频到本机。

English | 中文


中文

这是什么?

这个项目适合这样的日常流程:

  1. 别人发来一条抖音或 Bilibili 视频链接。
  2. 你不想完整看视频,只想要里面说了什么。
  3. 打开本地网页,把链接粘进去。
  4. 点击“开始转录”,拿到文字稿。
  5. 把文字稿发给 Claude / GPT / Gemini 做摘要、翻译、分析,或者自己快速阅读。

支持:

  • 抖音短链:https://v.douyin.com/.../
  • 抖音长链:https://www.douyin.com/video/...
  • 抖音 App 整段分享文本
  • Bilibili 视频:https://www.bilibili.com/video/BV...
  • Bilibili 短链:https://b23.tv/...(由 yt-dlp 解析)

也可以粘贴不带 https:// 的裸域名链接,例如 bilibili.com/video/BV...,程序会自动补全。

界面里能做什么?

打开网页后主要有两个操作:

  • 开始转录:下载适合转录的音频/视频流,然后用 faster-whisper 生成文字稿。
  • 下载视频:只下载原视频,不转文字。抖音会下载可用 MP4;Bilibili 会优先下载 H.264/AVC 视频流和音频流并合并成 MP4。

默认模型是 base。如果只想快速看大意,可以选 tiny;如果要更干净的文字稿,选 small 或 medium。 注意:十几二十分钟的长视频在 CPU 上转录会明显变慢,尤其是 medium。日常使用建议先用 base 或 small,只有对准确率要求很高时再用 medium。

运行前准备

Windows 用户建议先确认这些基础条件:

python --version
git --version

需要:

  • Python 3.10 或更新版本(建议 64 位 Python)。
  • Git,用来下载或更新仓库。
  • 第一次运行需要联网下载 Python 依赖、Playwright Chromium 和 Whisper 模型。
  • 只“转文字”通常不需要手动安装 ffmpeg;如果要下载 Bilibili 完整 MP4,建议安装 ffmpeg:winget install Gyan.FFmpeg。

如果你本地已经有这个项目

最稳的方式是在资源管理器里双击 run_web.bat。它会自动创建 .venv、安装依赖、安装 Playwright Chromium,然后启动网页。

如果你想手动运行,Windows PowerShell 用下面这组命令。注意:这里不需要执行 Activate.ps1,可以避开 PowerShell 执行策略问题。

Set-Location C:\path\to\douyin-transcribe
# 例如本机:Set-Location E:\ZY_Work_from_20260402\GitHub\douyin-transcribe

git pull
if (!(Test-Path .\.venv\Scripts\python.exe)) { python -m venv .venv }

.\.venv\Scripts\python.exe -m pip install --upgrade pip
.\.venv\Scripts\python.exe -m pip install --upgrade -r requirements.txt
.\.venv\Scripts\python.exe -m playwright install chromium

.\.venv\Scripts\python.exe app.py

然后打开:

http://127.0.0.1:7860

注意:运行 app.py 的终端窗口要保持打开。关掉终端,本地网页服务也会停止。 如果 7860 端口已经被占用,程序会自动尝试 7861、7862 等后续端口,并在终端里打印实际地址。

快捷启动

本仓库带了两个快捷启动脚本:

run_web.bat
run_web.ps1

最简单的方式是在资源管理器里双击 run_web.bat。它会进入项目目录,自动创建 .venv,补齐 Python 依赖,安装 Playwright Chromium,然后启动本地网页服务。 第一次运行需要联网下载依赖和浏览器内核,时间会比较久;后续再启动会快很多。

PowerShell 方式:

Set-Location C:\path\to\douyin-transcribe
.\run_web.ps1

如果 PowerShell 提示脚本执行策略限制,改用下面这个命令,或直接双击 run_web.bat:

powershell -ExecutionPolicy Bypass -File .\run_web.ps1

第一次全新安装

如果这台电脑上还没有仓库:

git clone https://github.com/ZY-ZhichaoYu/douyin-transcribe.git
cd douyin-transcribe

python -m venv .venv
.\.venv\Scripts\python.exe -m pip install --upgrade pip
.\.venv\Scripts\python.exe -m pip install --upgrade -r requirements.txt
.\.venv\Scripts\python.exe -m playwright install chromium

.\.venv\Scripts\python.exe app.py

如果不想安装 Git,也可以在 GitHub 页面点 Code → Download ZIP,解压后进入文件夹,双击 run_web.bat。

第一次转录会自动下载 Whisper 模型:

  • Web UI 默认 base,约 74MB。
  • MCP 工具默认 tiny,约 39MB,便于更快返回。

常用操作

抖音转文字

  1. 复制抖音 App 分享文本,整段都可以。
  2. 粘贴到“视频链接 / 分享文本”。
  3. 模型默认 base。
  4. 点击“开始转录”。
  5. 右侧“文字稿(可复制)”出现结果后,复制给 AI 或自己阅读。

Bilibili 转文字

  1. 复制 Bilibili 视频链接,例如 https://www.bilibili.com/video/BV...。
  2. 粘贴到同一个输入框。
  3. 点击“开始转录”。

Bilibili 转录会优先下载音频流,速度通常比下载完整视频更快。

下载视频

在“转文字”页或“仅下载视频”页都可以点“下载视频 / 下载(最高画质)”。

下载完成后会看到:

  • 浏览器里的下载文件控件。
  • 本地文件路径,例如 C:\Users\...\AppData\Local\Temp\video_dl_xxx\xxx.mp4。

文件保存在系统临时目录,不会立刻自动删除;需要长期保存时,可以把它移动到自己的视频目录。

依赖说明

核心依赖:

  • playwright:抖音页面抓取和接口拦截。
  • yt-dlp:Bilibili 下载和格式解析。
  • ffmpeg:Bilibili 视频流 + 音频流合并成 MP4 时需要。
  • faster-whisper:本地语音识别。
  • gradio:本地网页界面。

检查依赖:

.\.venv\Scripts\python.exe -c "import gradio, playwright, faster_whisper, yt_dlp, mcp; print('ok')"
ffmpeg -version

如果 ffmpeg -version 不存在,Bilibili 转文字通常仍可工作,因为它只下载音频;但 Bilibili “下载视频”可能无法把视频流和音频流合并成一个 MP4。Windows 可以安装 Gyan.dev 或 winget install Gyan.FFmpeg。

MCP 用法

server.py 仍然可以作为 MCP server 使用。

Claude Desktop 配置示例:

{
  "mcpServers": {
    "douyin": {
      "command": "python",
      "args": ["C:\\path\\to\\douyin-transcribe\\server.py"]
    }
  }
}

可用工具:

工具用途
analyze_video(url)通用同步转录,支持抖音和 Bilibili
video_to_text(url)通用异步转录,返回 job_id
get_transcript_result(job_id)获取异步任务结果
download_video(url)通用下载视频,支持抖音和 Bilibili
transcribe_video(file_path)转录本地视频或音频文件
analyze_douyin(url)兼容旧工具名,现在也可处理 Bilibili
douyin_to_text(url)兼容旧工具名,现在也可处理 Bilibili
download_douyin(url)兼容旧工具名,现在也可处理 Bilibili

如果 MCP 客户端容易超时,优先用异步流程:

  1. 调 video_to_text(url),拿到 job_id。
  2. 调 get_transcript_result(job_id),没完成就隔一会儿再调同一个 job_id。

技术原理

抖音:

  • 用 headless Chromium 打开页面。
  • 拦截 aweme/v1/web/aweme/detail 接口。
  • 如果浏览器没有拦截到接口,会回退到移动端分享页里的 window._ROUTER_DATA 解析,减少短链偶发失败。
  • 转录时优先使用 bit_rate_audio 音频流,没有音频流时回退到带音频的 MP4。

Bilibili:

  • 用 yt-dlp 提取视频信息和直链。
  • 转录时优先下载音频流。
  • 下载视频时优先选择 H.264/AVC 视频流和 M4A 音频流,并让 ffmpeg 合并成 MP4。这样比 HEVC/H.265 更容易在 Windows 默认播放器和浏览器里正常出画面。

Whisper:

  • 语言自动识别,适合中文、英文或中英混杂视频。
  • 默认 CPU + int8,速度优先,不需要显卡。

已知限制

  • 主要测试单视频链接。合集、图集、直播回放不保证。
  • Bilibili 未登录时通常只能拿到游客可看的清晰度;1080P、4K、会员视频需要 cookies,本项目暂未做登录/cookies 导入界面。
  • 抖音或 Bilibili 修改网页接口时,抓取可能失效,需要更新代码或 yt-dlp。
  • 语音识别质量取决于音频质量、背景音乐、多人重叠、模型大小。

常见问题

Q: 打开 127.0.0.1:7860 显示 refused to connect? A: 本地服务没跑。先双击 run_web.bat,或在项目目录执行 .\.venv\Scripts\python.exe app.py,并保持终端打开。

Q: 报 python 不是内部或外部命令? A: 这台电脑没有正确安装 Python,或没有把 Python 加到 PATH。安装 64 位 Python 3.10 或更新版本;安装时勾选 “Add python.exe to PATH”。装好后重新打开终端,再执行 python --version。

Q: 报 git 不是内部或外部命令? A: 没装 Git。可以安装 Git for Windows,或者不使用命令行:在 GitHub 页面点 Code → Download ZIP,解压后双击 run_web.bat。

Q: 运行时报 Cannot find empty port in range: 7860-7860? A: 旧版本会固定占用 7860。更新后请先 git pull,再重新运行;如果 7860 被占用,程序会自动换到下一个可用端口。也可以手动指定:

$env:GRADIO_SERVER_PORT = "7861"
.\.venv\Scripts\python.exe app.py

Q: 进度条停在转录中,是不是卡死了? A: 不一定。下载完成后进入 Whisper 转录,CPU 上处理长视频会很慢,medium 最慢。20 分钟视频建议先用 base 或 small,确认内容够用后再考虑 medium。

Q: Playwright 报 browser executable 不存在? A: 执行:

.\.venv\Scripts\python.exe -m playwright install chromium

Q: PowerShell 报 running scripts is disabled on this system? A: 不要执行 Activate.ps1。最简单是双击 run_web.bat;如果要用 PowerShell 脚本,执行:

powershell -ExecutionPolicy Bypass -File .\run_web.ps1

Q: 报 ModuleNotFoundError: No module named ...? A: 依赖没有装到当前 Python 环境。回到项目目录,执行:

.\.venv\Scripts\python.exe -m pip install --upgrade -r requirements.txt
.\.venv\Scripts\python.exe -m playwright install chromium
.\.venv\Scripts\python.exe app.py

Q: Bilibili 下载视频失败,但转文字可以? A: 多数是没有 ffmpeg,导致视频流和音频流不能合并。执行 ffmpeg -version 检查。

Q: 下载的 MP4 只有声音,没有画面? A: 多数是播放器不支持 HEVC/H.265。当前版本已优先下载 H.264/AVC 格式;先 git pull 后重新下载。如果仍有问题,可以换 VLC 播放器验证。

Q: 转录结果错字很多? A: 先把模型从 tiny 或 base 调到 small。财经、技术、英文夹杂视频建议至少用 base 或 small。

Q: 为什么下载的视频在 Temp 目录? A: 这是为了不污染项目目录。下载完成后界面会显示本地路径,需要长期保存时手动移动即可。

致谢

许可证

MIT License,见 LICENSE。


English

What Is This?

This is a local web app and MCP server that turns Douyin or Bilibili videos into text. Paste a video URL, download the media locally, transcribe it with faster-whisper, then copy the transcript into an AI model for summary or analysis.

Supported inputs:

  • Douyin short links: https://v.douyin.com/.../
  • Douyin video URLs: https://www.douyin.com/video/...
  • Full Douyin app share text
  • Bilibili BV URLs: https://www.bilibili.com/video/BV...
  • Bilibili short links: https://b23.tv/...

Bare URLs without https://, such as bilibili.com/video/BV..., are accepted and normalized automatically.

Quick Start

Prerequisites:

  • Python 3.10 or newer, preferably 64-bit.
  • Git.
  • Internet access for the first dependency, Playwright Chromium, and Whisper model downloads.
  • ffmpeg is usually optional for transcription, but recommended for downloading complete Bilibili MP4 files: winget install Gyan.FFmpeg.

On Windows, the simplest path is to double-click run_web.bat. It creates .venv if needed, installs Python dependencies, installs Playwright Chromium, then starts the local web server.

If you prefer manual PowerShell commands, use the project virtual environment directly. You do not need to run Activate.ps1.

Set-Location C:\path\to\douyin-transcribe
git pull

if (!(Test-Path .\.venv\Scripts\python.exe)) { python -m venv .venv }

.\.venv\Scripts\python.exe -m pip install --upgrade pip
.\.venv\Scripts\python.exe -m pip install --upgrade -r requirements.txt
.\.venv\Scripts\python.exe -m playwright install chromium

.\.venv\Scripts\python.exe app.py

Then open:

http://127.0.0.1:7860

Keep the app.py server terminal open while using the web UI. If port 7860 is already busy, the app will automatically try the next available port and print the actual local URL in the terminal.

For a brand-new download:

git clone https://github.com/ZY-ZhichaoYu/douyin-transcribe.git
cd douyin-transcribe
.\run_web.bat

If PowerShell blocks scripts with running scripts is disabled on this system, use run_web.bat or run:

powershell -ExecutionPolicy Bypass -File .\run_web.ps1

Dependencies

  • Playwright for Douyin browser capture
  • yt-dlp for Bilibili extraction and download
  • ffmpeg for merging Bilibili video and audio into MP4
  • faster-whisper for local transcription
  • Gradio for the web UI

MCP Tools

ToolPurpose
analyze_video(url)Synchronous transcript for Douyin or Bilibili
video_to_text(url)Start async transcription and return a job id
get_transcript_result(job_id)Poll async transcription result
download_video(url)Download source video
transcribe_video(file_path)Transcribe a local media file

Legacy tool names (analyze_douyin, douyin_to_text, download_douyin) are kept for compatibility.

Notes

For long videos on CPU, medium can take a long time. Start with base or small for everyday use, then rerun with medium only when you need the extra accuracy.

Douyin extraction first tries the browser-captured detail API. If that fails, it falls back to parsing window._ROUTER_DATA from the mobile share page.

Bilibili downloads use yt-dlp. Guest access may only expose lower resolutions; premium or login-only formats need cookies, which this UI does not manage yet.

MIT License. See LICENSE.

Ver o original no GitHub

Bom para

Relacionados