good-TTvideo2text

good-TTvideo2text

Douyin/TikTok 動画から音声を抽出し、ASR サービスを使ってテキストに文字起こしします。

タスクの目的

Douyin/TikTok 動画の音声を、タイムスタンプ付きのテキストに変換します。対話型 UI とコマンドラインのワークフローの両方に対応しています。

機能： 動画の解析、音声の抽出、ASR による文字起こし、タイムスタンプの生成

トリガー： ユーザーが Douyin/TikTok の URL を提示し、文字起こしを依頼したとき

使用モード

モード 1：Web UI（推奨）

文字起こしを管理するためのビジュアルインターフェースです。

# Install dependencies
cd skills/good-TTvideo2text
pip install -r requirements.txt

# Start service (default port 8000)
python app/main.py

# Browser access
http://localhost:8000

機能：

• 動画の URL を貼り付けて、すぐに文字起こしを開始
• タイムスタンプ付きの結果を表示
• アクセス制限のある動画向けの Cookie 管理
• リアルタイムの進行状況を表示

モード 2：スクリプト（コマンドライン）

自動化や AI ワークフローへの統合に適しています。

# Basic usage
python scripts/transcribe.py "https://v.douyin.com/xxx"

# Extract URL from share text
python scripts/transcribe.py "7.47 复制打开抖音，看看【用户名】的作品 https://v.douyin.com/xxx"

# JSON output
python scripts/transcribe.py "https://v.douyin.com/xxx" --output json

# Text output (default)
python scripts/transcribe.py "https://v.douyin.com/xxx" --output text

出力形式（テキスト）：

=== Video Info ===
Title: Video title
Author: Author name
Duration: 30s

=== Transcription ===
Full Text:
Complete transcription text...

Sentences with Timestamps:
[00:00-00:03] First sentence
[00:03-00:06] Second sentence

出力形式（JSON）：

{
  "success": true,
  "video_info": {
    "title": "Video title",
    "author": "Author name",
    "duration": 30,
    "create_time": 1234567890
  },
  "transcription": {
    "text": "Complete transcription...",
    "sentences": [
      {
        "start_ms": 0,
        "end_ms": 3000,
        "text": "First sentence"
      }
    ]
  }
}

前提条件

依存関係：

• fastapi>=0.120.3, uvicorn>=0.35.0, httpx>=0.28.1
• TikTokDownloader の依存関係（requirements.txt を参照）

ASR の設定：

• 環境変数は Goodable プラットフォームによって自動的に注入されます
• GOODABLE_ASR_SUBMIT_URL - ASR タスクの送信先エンドポイント
• GOODABLE_ASR_QUERY_URL_TEMPLATE - ASR 結果の問い合わせ先エンドポイント（{task_id} プレースホルダーを含む）

Cookie の設定（任意）：

• 動画によってはログイン Cookie が必要です
• Web UI の Settings から設定するか、TikTokDownloader/settings.json を編集してください
• Cookie の形式：Douyin の Web Cookie 文字列

標準的なワークフロー（AI による使用）

ユーザーが URL を提示した場合

1. 入力から URL を抽出します：

   • ユーザーは URL を直接提示する場合と、URL を含む共有テキストを提示する場合があります
   • 正規表現を使って実際の動画 URL を抽出します

2. 文字起こしスクリプトを呼び出します：

   python scripts/transcribe.py "USER_PROVIDED_TEXT"
   

3. 結果を処理します：

   • 成功：文字起こしテキストとタイムスタンプを提示します
   • エラー：エラーメッセージを確認してトラブルシューティングを行います

よくあるエラーへの対処

エラー	原因	解決策
無効な動画 URL	URL の形式が正しくありません	有効な Douyin/TikTok URL を提示するようユーザーに依頼します
動画が見つかりません	動画が削除されたか、ログインが必要です	動画を確認するか、Cookie を提示するようユーザーに依頼します
音声が見つかりません	動画に BGM がありません	この動画には音声トラックがないことをユーザーに伝えます
ASR が設定されていません	環境変数がありません	Goodable プラットフォーム経由で実行します（環境変数は自動的に注入されます）
ASR がタイムアウトしました	音声が長いか、サービスの応答が遅れています	再試行するか、進行状況を確認できる Web UI を使います

リソース一覧

• app/main.py - FastAPI アプリケーションのエントリーポイント
• scripts/transcribe.py - コマンドライン文字起こしスクリプト
• TikTokDownloader/ - 動画解析ライブラリ（ソースコード）
• TikTokDownloader/settings.json - Cookie と設定
• static/index.html - Web UI インターフェース
• requirements.txt - Python の依存関係
• downloads/ - 一時ファイル用ディレクトリ

重要な注意事項

1. Cookie の要件： 公開動画は Cookie なしで利用できますが、アクセス制限のある動画にはログイン Cookie が必要です
2. ASR プラットフォーム： このスキルには、Goodable プラットフォームの ASR サービスとの統合が必要です
3. 対応 URL 形式：
   • 短縮 URL：https://v.douyin.com/xxx
   • 完全 URL：https://www.douyin.com/video/1234567890
   • TikTok：https://vm.tiktok.com/xxx、https://www.tiktok.com/@user/video/xxx
4. 音声の抽出： BGM の URL を直接抽出します（ダウンロードは不要です）
5. ASR の処理時間： 音声の長さによりますが、通常 5～30 秒です

AI の使用例

User: "帮我转写这个抖音视频 7.47 复制打开抖音 https://v.douyin.com/abc123"

AI: Let me transcribe this video for you.

[Calls transcribe.py script with the provided text]

Based on the transcription:

Video: "视频标题"
Author: 作者名

Transcription:
[00:00-00:03] 第一句话内容
[00:03-00:08] 第二句话内容
...

Full text:
完整的转写文本内容...