Tiktok Transcribe skill

TikTok 视频转录 Skill

将 TikTok 视频下载音频，用 SenseVoice-Small 转录为文字，存为带 frontmatter 的 Markdown 文件。内容中英混杂时自动检测语言。

环境要求

# Python 3.9+
python -m venv .venv
source .venv/bin/activate

# 依赖
pip install funasr modelscope torch torchaudio

# 系统依赖
# macOS: brew install ffmpeg yt-dlp
# Ubuntu: sudo apt install ffmpeg && pip install yt-dlp

使用方法

# 完整链接
python scripts/transcribe.py "https://www.tiktok.com/@user/video/1234567890"

# 短链（自动跟随跳转）
python scripts/transcribe.py "https://vm.tiktok.com/xxxxx"
python scripts/transcribe.py "https://vt.tiktok.com/xxxxx"

# 指定输出目录
python scripts/transcribe.py "https://vm.tiktok.com/xxxxx" -o ./output

流程

Step 1: yt-dlp 下载音频

TikTok 有地区限制，脚本默认加 --geo-bypass。短链由 yt-dlp 自动跟随跳转，无需手动处理。

yt-dlp --extract-audio --audio-format mp3 --audio-quality 128K \
  --geo-bypass \
  "https://vm.tiktok.com/xxxxx"

Step 2: SenseVoice-Small 转录

from funasr import AutoModel

model = AutoModel(
    model="iic/SenseVoiceSmall",
    trust_remote_code=True,
    vad_model="fsmn-vad",
    vad_kwargs={"max_single_segment_time": 30000},
    device="cpu",
)

result = model.generate(
    input=audio_path,
    language="auto",   # TikTok 中英混杂，自动检测
    use_itn=True,
    batch_size_s=60,
)

Step 3: 生成 Markdown

脚本自动创建带 frontmatter 的 Markdown 文件，包含来源链接、作者、语言和转录文本。

已知限制

• 地区限制：部分地区或网络环境下 TikTok 内容可能无法访问，--geo-bypass 可缓解但不保证解决
• 反爬：频繁请求可能触发限流；脚本内置重试，仍建议控制频率
• 语言混合：language=auto 对中英混杂内容可用，但长英文段落质量不如专用英文模型
• 登录态：私密账号内容需要登录，当前脚本不携带登录态
• 模型大小：SenseVoice-Small 首次下载约 893MB

致谢

• yt-dlp/yt-dlp — 视频下载工具
• FunAudioLLM/SenseVoice — 语音识别模型

⚖️ 合规声明

仅供个人学习与研究使用。请遵守目标平台的服务条款（ToS）与 robots 规则，控制请求频率，不要用于批量抓取、商用爬取或侵犯他人权益的场景。下载内容的版权归原作者所有。