抖音/小红书视频转文字｜视频文案提取（口播逐字稿 + 画面文字）

抖音/小红书视频文案提取：口播逐字稿、画面上的字（带大致时间）、要点和互动数据。用户发来抖音、小红书视频笔记、TikTok、YouTube 或 X 的视频链接或分享文案，要提取文案、视频转文字、扒口播、提取字幕或画面文字时使用。长视频会排队，脚本自动轮询取结果。通过 LinkDigest API 读取，不用下载视频，不需要平台账号或 Cookie。需要 LINKDIGEST_API_KEY；每条 1 积分，另加每开始的 1 分钟 1 积分（1 分钟视频共 2 积分，约 ¥0.29）。不支持 B站。

抖音/小红书视频文案提取（口播逐字稿 + 画面文字）

把抖音、小红书视频笔记、TikTok、YouTube、X 的视频链接读成文字：口播逐字稿（没有平台字幕时用 Qwen3-ASR 语音识别；YouTube 例外，由 Gemini 看视频写出）、画面上出现的字和大致时间、标题和简介、要点、点赞评论收藏分享数、话题标签。不用下载视频，不用在本机装 ffmpeg 或语音识别模型，不需要你的平台账号或 Cookie。

什么时候用

• 「提取这条抖音的文案」「视频转文字」「把口播扒下来」「这个视频讲了什么」。
• 整理对标账号的视频内容（一条一条调；一次多条见文档里的批量接口 POST /api/v1/digest/batch，最多 50 条）。
• 画面上的字幕、花字比口播更重要的视频（教程、带货、知识类）。

什么时候不用

• 需要逐句时间轴（比如生成 SRT 字幕）：逐字稿的时间是分段级的，见下文「时间戳的精度」。
• B站链接：不支持。
• 直播、私密、已删除、需要登录才能看的视频：读不了（返回 422，不扣费）。
• 只想下载无水印视频：这个技能不提供视频文件。

准备（一次）

1. 打开 https://linkdigest.dev/app/keys ，用 Google 或邮箱登录（邮箱会收到一封登录链接），创建 API Key（ld_live_ 开头）。新账户送 10 积分，只送一次，不用绑卡。
2. 设置环境变量：

bash

export LINKDIGEST_API_KEY=ld_live_...

也可以写进 OpenClaw 配置（~/.openclaw/openclaw.json）里这个技能的 env：

json5

{ skills: { entries: { "linkdigest-video-transcript": { env: { LINKDIGEST_API_KEY: "ld_live_..." } } } } }

Key 只放在环境变量或配置里，不要贴进对话、代码或提交记录。

用法

推荐用自带脚本（Python 3.8+ 标准库，已经处理好 202 排队和轮询）：

bash

python3 {baseDir}/scripts/linkdigest.py "<视频链接或整段分享文案>"
python3 {baseDir}/scripts/linkdigest.py "<视频链接>" --format json
python3 {baseDir}/scripts/linkdigest.py "<视频链接>" --translate-to en    # 另附英文译文，+1 积分，原文保留
python3 {baseDir}/scripts/linkdigest.py "<视频链接>" --max-credits 5      # 超过 5 积分的视频不读、不扣费

• 抖音「复制链接」得到的整段分享文案可以直接传，服务端会从里面取出链接。文案里有引号或换行时，从标准输入传：printf '%s' "$SHARE_TEXT" | python3 {baseDir}/scripts/linkdigest.py -
• 视频较长时，提交后约 20 秒内会先返回 202 和 jobId。脚本会自动用 ?wait=20 轮询，默认最多等 900 秒（--timeout 可改）。
• 等待超时不会丢任务：任务继续在服务端跑，按 stderr 的提示用 --job-id <jobId> 接着取。同一个 jobId 只扣一次费。任务完成后在服务端保留 15 分钟，尽快取；过期了就重新提交同一链接。
• 本次扣了几个积分、是否命中缓存、是否只读了一部分，打印在 stderr 的最后一行。
• 退出码：0 成功；2 参数错误或没设 Key；3 Key 无效（401）；4 积分不够或视频超长（402，未扣费，stderr 里有付款链接）；5 链接读不了（422）；6 调用太频繁，或这个 Key 在 /app/keys 设的 30 天积分上限已用完（429，未扣费）；7 等待超时。

直接调 HTTP（没有 Python 时）

bash

curl -sS -X POST https://linkdigest.dev/api/v1/digest \
  -H "Authorization: Bearer $LINKDIGEST_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"url": "https://v.douyin.com/<短链>/", "format": "json"}'

• 200：结果 JSON。
• 202：{"pending":true,"jobId":"…","poll":"/api/v1/digest/…","retryAfter":15}。用 jobId 取，不要重新提交：

bash

curl -sS "https://linkdigest.dev/api/v1/digest/<jobId>?wait=20" \
  -H "Authorization: Bearer $LINKDIGEST_API_KEY"

wait=20 让服务端最多等 20 秒再回复；仍是 202（会带 stage 表示进行到哪一步）就再取一次，直到 200。要 Markdown 时，提交用 "format": "markdown"，取结果加 &format=markdown（202 响应始终是 JSON）。其他可选参数："translate_to": "en"、"max_credits": 5、"partial_ok": true、"breakdown": true。

可以直接运行的 bash/zsh 版本（提交 + 轮询，最多约 15 分钟）：

bash

API=https://linkdigest.dev/api/v1/digest
AUTH="Authorization: Bearer $LINKDIGEST_API_KEY"
LINK='https://v.douyin.com/<短链>/'
res=$(curl -sS -w '\n%{http_code}' -X POST "$API" -H "$AUTH" \
  -H "Content-Type: application/json" -d "{\"url\": \"$LINK\", \"format\": \"json\"}")
code=${res##*$'\n'}; body=${res%$'\n'*}
n=0
while [ "$code" = 202 ] && [ $n -lt 45 ]; do
  n=$((n+1))
  job=$(printf '%s' "$body" | sed -n 's/.*"jobId":"\([^"]*\)".*/\1/p')
  res=$(curl -sS -w '\n%{http_code}' "$API/$job?wait=20" -H "$AUTH")
  code=${res##*$'\n'}; body=${res%$'\n'*}
done
echo "HTTP $code" >&2
printf '%s\n' "$body"

返回字段（视频）

字段	内容
title / author / posted_at / caption	标题、作者、发布日期、简介原文
transcript[]	口播逐字稿，[{t, text}]，t 是这一段开始的秒数
transcript_source	逐字稿来源：asr（Qwen3-ASR 语音识别）、native_captions（平台自带字幕）、gemini_video（YouTube：Gemini 看视频写出，见下文）、none（没有可识别的语音）
on_screen[]	画面上的字，[{t, text}]，t 是大致时间（秒）。YouTube 没有这一项
ocr_text[]	画面文字的汇总列表（不带时间）。YouTube 的画面文字只在这里，也是 Gemini 写出的
key_points[]	要点，用原文语言
stats	likes、comments、collects、shares、plays；读取当天平台给的数，as_of 是日期，拿不到的是 null
tags[]	话题标签
duration_seconds / read_seconds	视频总长、实际读了多长
partial	只读了开头时才有：read_seconds、duration_seconds、read_credits、full_credits（读全片要多少积分）
translation	加了 translate_to 才有；原文字段保持不变
raw_markdown	整条内容的 Markdown：## Transcript（每段前面是 `mm:ss`）、## On-screen text（前面是 `≈mm:ss`）
credits / cached	本次扣了几个积分；读过的链接 cached=true，0 积分
degraded[]	处理中没做完的部分的说明，正常为空

时间戳的精度

• transcript[]（asr）：Qwen3-ASR 只返回文字、不返回逐句时间，所以音频按最长约 170 秒切段上传，每段一个开始时间。时间是段级的：不到 170 秒的视频只有一段（t=0）；一条 15:42 的抖音视频返回的段落从 0、170、340、510、680、850 秒开始。这不是逐句时间轴。
• on_screen[]：全片均匀抽帧读字（目前最多 40 帧），时间取最近的关键帧，误差在一个关键帧间隔内（通常 2–5 秒）；同样的字连续出现只记一次。视频越长抽帧越稀，一闪而过的字可能漏掉。要按秒定位，看 on_screen。
• YouTube 例外：YouTube 不让我们的服务器地址下载视频，所以 YouTube 链接一般由 Gemini 直接看视频来读，degraded 里会写 read by Gemini watching the video directly。这时 transcript_source 是 gemini_video，逐字稿和它的时间 t、画面文字（ocr_text）、标题和作者都是 Gemini 写出的，属于模型输出，不是平台字幕，也不是 Qwen3-ASR；没有 on_screen。

把结果交给用户时

• 用户要「文案」：给 transcript 的全文，按原样，不改写、不总结，除非用户要求。画面文字单独列出，不要混进口播。
• transcript_source 是 asr 时，transcript 是语音识别结果，方言、口音、专有名词、中英混说时可能有错字；人名、品牌名、数字提醒用户核对。
• transcript_source 是 gemini_video（YouTube）时，告诉用户逐字稿是模型看视频写出的，要逐字引用请以视频本身为准。
• transcript_source 是 none 或逐字稿为空时，说明视频没有可识别的人声（比如纯音乐），这时文字主要在 on_screen 里。
• 有 partial 时，告诉用户只读了前多少秒，以及读全片要多少积分。
• 告诉用户这次用了几个积分（credits，缓存命中是 0）。

费用

每条 1 积分，另加每开始的 1 分钟 1 积分（1 分 01 秒按 2 分钟算）。按加量包 ¥36 = 250 积分折算，1 积分约 ¥0.144。

视频长度	积分	约合
1 分钟以内	2	¥0.29
3 分钟	4	¥0.58
5 分钟	6	¥0.86
10 分钟	11	¥1.58
加译文（--translate-to）	+1	+¥0.14
加爆款拆解（--breakdown）	+1	+¥0.14
任何人读过的链接（缓存）	0	0
读不出内容	0	0

注册送 10 积分（每个账户一次，不按月补），够读一条 9 分钟的视频，或 5 条 1 分钟以内的视频。加量包 $5 = 250 积分，可用支付宝付款（按 ¥36 结算），不过期；或 Dev 月付 $9 = 每月 500 积分（银行卡）。价格以 https://linkdigest.dev/zh/docs 为准。

长视频

• 单条视频长度上限：免费账户和只买了加量包的账户 10 分钟；Dev 月付 30 分钟。
• 超过上限默认返回 402（error_code: media_too_long），不扣费。
• 免费账户和加量包账户可以加 --partial-ok（HTTP 里是 "partial_ok": true）：只读开头，读多长取决于剩余积分，最多 10 分钟；结果里的 partial 写明读了多少秒。
• 长视频省钱档 --depth transcript（HTTP 里是 "depth": "transcript"，2026-10-06 起）：全程逐字稿 + 少量截帧，基础 1 积分 + 每开始的 2 分钟 1 积分（44 分钟的视频 23 积分，完整档要 45）。长度上限也更高：免费和加量包账户 60 分钟，Dev 月付 2 小时。画面文字只读少量截帧，结果里的 coverage 会写明。YouTube 不支持这一档。
• 长视频处理要几分钟，一定会走 202 + 轮询，不要因为第一次返回 202 就重新提交。

限制

• 不支持 B站：哔哩哔哩对我们服务器的地址直接返回 HTTP 412。
• 直播、私密、已删除、需要登录才能看的视频读不了。
• 互动数据是读取当天的快照，不是实时数据；缓存里的结果保留第一次读取那天的数。
• 每个账户每小时最多 60 次 API 调用。
• 不下载、不提供视频文件；不搜索、不读评论、不发帖。

隐私

• 只把你给的链接发给 linkdigest.dev，不需要也不会读取你的抖音、小红书等账号或 Cookie。
• 视频、音频、图片只在处理时放在临时目录，返回前删除，不保存、不转发。
• 文字结果按链接缓存（所以同一链接再读免费），可能提供给请求同一公开链接的其他用户。不要提交私密内容的链接。
• 读取时会用到第三方模型服务，详见 https://linkdigest.dev/privacy 。
• scripts/linkdigest.py 只读环境变量 LINKDIGEST_API_KEY，只连 linkdigest.dev，不读写本地文件。

其他接入方式

• 远程 MCP（Streamable HTTP）：https://linkdigest.dev/mcp，请求头 Authorization: Bearer <key>，工具 digest_url。Claude Code： claude mcp add --transport http linkdigest https://linkdigest.dev/mcp --header "Authorization: Bearer <key>"
• 只支持本地（stdio）MCP 的客户端：npx mcp-remote https://linkdigest.dev/mcp --header "Authorization: Bearer <key>"
• Dify 插件市场：jcaiagent7143-ui/linkdigest
• OpenAPI：https://linkdigest.dev/openapi.json
• 开源客户端与接入示例：https://github.com/jcaiagent7143-ui/linkdigest-mcp
• 中文文档：https://linkdigest.dev/zh/docs

LinkDigest 由独立开发者 Jack（GitHub jcaiagent7143-ui）开发和维护。问题和反馈：[e-mail]