📹 短视频文案智能提取 · 工业化 Pro 版 V2.2.1

> 可执行代码技能 — 真实 Python 脚本，不是规则文档
> V2.2 新增：✨ dousnap.com（抖虫 DouChong）前置一步到位——描述/转录/媒体全拿到，无需本地 Whisper
> 全平台覆盖：抖音 / 小红书 / 快手 / B站 / TikTok / YouTube

一、技能定位

真实可运行的短视频文案分析工具，包含：
- 🆕 DouSnap.com 前置一步到位（V2.2）— 一次请求拿到标题/描述/转录/无水印视频/音频/封面/图集
- 🔗 HelloTik.app 抽音回退（V2.1）— 无水印直链 + 避开反爬
- 🔗 yt-dlp 兜底（V2.0）— 支持 1000+ 平台元数据
- 🎙️ Whisper ASR 兜底（V2.0）— 前两步都失败时本地转文字
- 📊 文本分析引擎（结构/评分/类型/合规）
- ✂️ 智能改写引擎（朗读优化/三级精简）
- 📤 多格式输出（MD/JSON/CSV/纯文本）

🔥 V2.2 完整数据流

用户粘贴链接（抖音/小红书/快手/B站/TikTok/YouTube）
        ↓
【Step 1】DouSnap.com 前置解析 ✨（推荐 --cdp 走真实浏览器）
        ↓
    ┌───返回───┐
    │  标题    │
    │  描述文案 │ ← 平台原始文案（含 # 标签）
    │  转录文案 │ ← AI ASR 自动转好
    │  视频直链 │ ← 无水印
    │  音频直链 │
    │  封面/图集 │
    └──────────┘
        ↓
【Step 2】文案选取优先级：
    dousnap transcript ≥10字  →  用这个
    否则 description ≥20字     →  用这个
    否则回退到 Whisper 本地转录
        ↓
【Step 3】7 步分析（类型/结构/评分/合规/优化/精简/时长）
        ↓
【Step 4】格式化输出（MD/JSON/CSV/纯文本）

性能对比：
| 方案 | 15 秒视频耗时 |
|------|---------------|
| V2.1（hellotik + Whisper） | 40-90 秒 |
| V2.2（dousnap 一步到位） | 10-30 秒 ⚡ |

二、依赖安装

# 必需
pip install playwright
playwright install chromium  # 首次需下载浏览器

# 强烈推荐（yt-dlp 作为兜底）
pip install yt-dlp

# 可选（Whisper 只在前两级都失败时使用）
pip install openai-whisper

# 需要 ffmpeg（本地转录才需要）
apt install ffmpeg

三、使用方法

3.1 单链接提取（推荐加 --cdp 走真实浏览器）

python3 extract.py https://v.douyin.com/xxx --cdp http://127.0.0.1:9222

> ⚠️ 重要：Playwright 独立启动的 chromium 会被 dousnap 反爬识别，导致 description/transcript 抓不到。
> 推荐搭配 OpenClaw 的 browser 服务（默认已在 127.0.0.1:9222 暴露 CDP），或本地启动 Chrome：
> bash > chrome --remote-debugging-port=9222 >

3.2 JSON 输出

python3 extract.py https://v.douyin.com/xxx --output json --cdp http://127.0.0.1:9222

3.3 CSV 输出

python3 extract.py https://v.douyin.com/xxx --output csv --cdp http://127.0.0.1:9222

3.4 纯文本

python3 extract.py https://v.douyin.com/xxx --output plaintext --cdp http://127.0.0.1:9222

3.5 批量处理

python3 extract.py --batch urls.txt --cdp http://127.0.0.1:9222

3.6 对标分析

python3 extract.py --benchmark https://v.douyin.com/a https://v.douyin.com/b \
  --cdp http://127.0.0.1:9222

3.7 单独跑 dousnap（不做后续分析）

python3 dousnap_extract.py https://v.douyin.com/xxx --cdp http://127.0.0.1:9222 --json

3.8 禁用 dousnap（回退到 hellotik/yt-dlp）

python3 extract.py https://v.douyin.com/xxx --no-dousnap

3.9 转录等待超时（长视频调大）

python3 extract.py https://v.douyin.com/xxx --cdp http://127.0.0.1:9222 \
  --transcript-timeout 300  # 5分钟

3.10 详细日志（调试）

python3 extract.py https://v.douyin.com/xxx --cdp http://127.0.0.1:9222 --verbose

四、代码架构

short-video-copy-extract/
├── extract.py                # 主流程（三级前置 + 分析引擎）
├── dousnap_extract.py        # ✨ V2.2 新增：dousnap.com 驱动器
├── hellotik_extract.py       # V2.1：hellotik.app 驱动器
└── SKILL.md

extract.py 内部结构：
├── 平台识别引擎
├── 三级视频元数据提取
│   ├── fetch_via_dousnap_preflight() ✨ 首选
│   ├── fetch_via_hellotik_preflight() 回退1
│   └── yt-dlp                         兜底
├── Whisper ASR（前两级失败时）
├── 文本分析引擎
│   ├── detect_content_type() - 6 大类型识别
│   ├── parse_structure() - 五段式拆解
│   ├── check_compliance() - A/B/C 三级检测
│   └── calculate_score() - 四维评分
├── 智能改写引擎
│   ├── optimize_reading() - 朗读优化
│   ├── compress_to_length() - 精简压缩
│   └── calculate_duration() - 平台适配时长
└── 输出格式化（MD/JSON/CSV/TXT/benchmark）

五、⚠️ 生产级红线（必读）

5.1 dousnap 反爬处理

问题：直接用 Playwright 无头浏览器打开 dousnap.com，description 和 transcript 区块渲染不出（后端识别为爬虫）。

解决方案：
1. 强烈推荐：加 --cdp http://127.0.0.1:9222 走真实浏览器（OpenClaw 默认已启动 CDP）
2. 备选：本地启动 Chrome 时加 --remote-debugging-port=9222
3. 无 CDP 时：脚本会自动加 stealth patch，但不保证 100% 通过，可能只拿到媒体链接

5.2 转录内容属性

注意：dousnap 的 transcript 是音频 ASR 结果，可能包含：
- 视频旁白/口播（正常场景）
- BGM 歌词（无口播的视频，例如古风、纯画面视频）
- 环境音字幕（少见）

判断技巧：如果 transcript 与 description 语义完全不相关，很可能是 BGM 歌词。

5.3 后端加密

dousnap 后端 API（/prod-api/transcript/queryTask）返回加密数据，无法直接调用。必须走浏览器 DOM（脚本已处理）。

5.4 超时策略

• 短视频（<30s）：默认 120s 超时够用
• 长视频（>2min）：建议 --transcript-timeout 300
• 极长（>10min）：网站可能不支持

六、核心算法

6.1 爆款度评分（0-100 分）

四维加权计算：

total = hook * 0.30 + density * 0.25 + emotion * 0.20 + cta * 0.25

钩子力度（score_hook）：
- 基础分 40 + 钩子信号词 +8/个 + 长度 8-25 字 +15 + 疑问/惊叹 +10

信息密度（score_density）：
- 基础分 50 + 字/秒 ≥ 4.5 +20 + 干货词 +3/次

情绪张力（score_emotion）：
- 基础分 40 + 情绪词 +5/次 + 感叹号 +5/个

CTA 强度（score_cta）：
- 基础分 50 + CTA 信号词 +10/个 + 行动词 +8/个

6.2 五段式结构

• 钩子（第一句）
• 铺垫（第二句）
• 核心（中间正文）
• 转折（含转折词的中间句）
• CTA（含 CTA 词的末句）

6.3 精简压缩

重要性打分选取：钩子 +100 / 转折 +30 / CTA +50 / 干货词 +20 → 按分数从高到低选取到目标字数 → 按原序输出。

七、输出示例（实测）

输入链接：https://v.douyin.com/RnFVe8onfwc/（何以华夏品牌总部）

【标题】
（暂无标题）

【简介】
原来古人真不是乱画，老祖宗真的是写实派，这幅元代的怪鸟，现实中竟真的存在！
#老祖宗的智慧#古画#黄腹角雉#何以华夏#罕见鸟种

【文案类型】
综合类

【口播文案 · 原版提取】
为你吹不断，千里挑灯看剑，剑舞阑珊。台下一曲离乱，出口声四方，寒白衣辞君，剑雪落凝寒霜。
（⚠️ 注：本条视频无旁白，转录内容为 BGM 歌词）

【爆款度评分】
🔥 综合评分：49 分 · 等级：A 待优化
├─ 钩子力度：55/100
├─ 信息密度：50/100
├─ 情绪张力：40/100
└─ CTA 强度：50/100

【平台适配时长】
识别平台：douyin（语速 4.5 字/秒）
总字数：44 字
建议口播时长：约 10 秒

八、平台语速表

九、合规词库

A 级：国家级、世界级、最高级、顶级、极品、全网最低、最低价、史上最、绝对、根治、特效、100%...

B 级：最、第一、唯一、首个、首款、顶尖、领先、王牌、冠军...

C 级：微信、加我、私信、扫码、免费送、白嫖、秒杀、抢购...

十、📚 典型案例（实测库）

本技能包附带 examples/ 目录，收录真实抖音链接的完整拆解报告，推荐新上手先看。

> 💡 每个案例都包含：原始转录 / ASR勘误 / 五段式拆解 / 四维评分 / 广告法风险 / 可复用公式 / 仿写模板 / CLI 复现命令，可直接照拆。

十一、Python API 集成

from extract import extract_single

result = extract_single(
    "https://v.douyin.com/xxx",
    cdp_endpoint="http://127.0.0.1:9222",  # 推荐
    transcript_timeout=120,
    verbose=True,
)

# 访问字段
print(result.score.total)           # 综合评分
print(result.structure.hook)         # 钩子
print(result.compressed_30s)         # 30秒精简版
print(result.compliance.a_level)     # A 级违禁词

# 额外从 info 拿到 dousnap 附加数据
print(getattr(result.info, "_video_direct_url", ""))  # 无水印视频
print(getattr(result.info, "_audio_direct_url", ""))  # 音频直链
print(getattr(result.info, "_cover_url", ""))         # 封面
print(getattr(result.info, "_images", []))            # 图集

或者只用 dousnap：

from dousnap_extract import fetch_via_dousnap

r = fetch_via_dousnap(
    "https://v.douyin.com/xxx",
    cdp_endpoint="http://127.0.0.1:9222",
    verbose=True,
)
# r = {"success": True, "title": ..., "description": ..., "transcript": ..., ...}

十二、异常处理

十三、四大红线

1. 绝对零脑补：无 description 无 transcript 无 ASR 时返回空文案，不编造
2. 三版语义强一致：原版/朗读版/精简版核心信息 100% 对齐
3. 优化边界严格：只做断句/通顺/去水/浓缩，不新增卖点
4. BGM/口播区分提醒：转录内容若明显与 description 不同，需在报告备注

十四、性能参考

十五、版本历史

本技能包由团子 🦐 创建，知灵技舍持续维护。
Short Video Copy Extract Pro v2.2.1 | 2026-07-04 | DouSnap 一步到位 · 典型案例库 📹