用 OpenClaw 提取抖音小红书逐字稿,说一声就行

装 OpenClaw 有段时间了？今天聊一个你可能没注意到的实用玩法。

场景：你需要一段视频的逐字稿

做内容分析、竞品调研、二创，都绕不开这一步。

以前我习惯用豆包，上传视频等它处理完再复制出来。一两个还行，每天七八个视频的时候，光上传、等处理、复制粘贴这几步，就够把耐心耗光的。

后来发现，其实不用再多装任何东西——你电脑上已有的 OpenClaw，就能把这事儿一键串起来。

凭什么它能干这个

装 OpenClaw 的时候，下面这几个能力其实已经跟着一起到位了：

• yt-dlp：能下抖音、小红书、B 站视频

• Python / Whisper：能把音频转成文字

• 浏览器自动化：自己打开链接拿真实视频地址

• exec 工具：跑命令，把上面的步骤串起来

我刚开始也没想到，这几个东西凑在一起，刚好能拼出一条“提取逐字稿”的流水线。剩下的事，就是告诉它一声。

实操：一句话丢过去，等结果

最省事的方式，直接把视频链接发给 OpenClaw，说：

帮我把这个视频的逐字稿提取出来

它会自己走完：打开链接 → 拿到真实视频地址 → 下载视频 → Whisper 转写 → 返回文字稿。

实测一条 3 分钟的口播视频，大概一分多钟出稿，你中途不用管。

想更快？花几分钟写个固定 Skill

如果你经常要干这事，可以写一个简单的 Skill，以后连那句长指令都省了，说“帮我提取这个视频”就行。

没写过 Skill 的话，操作其实不复杂：

1. 打开任意文本编辑器

2. 把下面这段内容复制进去，保存为 video-transcript.md

3. 把这个文件放进 OpenClaw 的 Skills 目录（一般在设置里能看到路径）

markdown

name: video-transcript

description: 提取抖音/小红书视频逐字稿

steps:

1. 用浏览器工具打开视频链接，获取视频真实地址

2. 用 yt-dlp 或直接下载视频文件到本地

3. 用 Whisper 转写音频为文字

4. 返回逐字稿

加载好之后，用起来就是一句：

/video-transcript https://v.douyin.com/xxxxx

和豆包比，实际用起来怎么样

拿三条视频大概测了下，说说真实感受：

• 3 分钟的口播讲解：豆包和 OpenClaw 都能在 2 分钟内搞定，差别不大。

• 5 分钟的游戏实况带 BGM：两边都慢一点，OpenClaw 大概 3 分钟，豆包快一些。

• 更长时间的口播视频：差距开始拉大。豆包光上传就要好几分钟，加起来奔着十分钟去了；OpenClaw不需要上传，下载加转写大概3分钟完事。

• 一次处理 5 个视频：这时候差距就出来了。豆包得一个一个上传，OpenClaw 可以全扔进去排队跑完，你不用守在电脑前。

所以如果只是偶尔弄一两个视频，豆包完全够用。但如果你的日常工作流里一天要处理好几个，OpenClaw 的效率和顺手程度是明显更高的。

不同视频类型，效果不一样

• 口播/讲解：几乎完美，基本不用改。

• 采访对谈：转写准确度不错，建议开时间戳方便定位。

• 配音搞笑/方言：有些口音会识别错，可能需要手动校对。

• 游戏+BGM：背景音乐太吵的话，Whisper 会吃力。

如果遇到 BGM 特别重的视频，可以在发指令的时候多嘱咐一句，比如：

这是游戏视频，BGM 比较大，尽量准确提取人声部分

OpenClaw 会自己试着调整参数。

三种用法，从懒到更懒

第一种：直接丢链接。把视频链接发给 OpenClaw，说“帮我提取逐字稿”，等结果就行。

第二种：自己写个 Skill。按上面的模板，几分钟搞定，以后就是一句话的事。

第三种：去社区看看现成的。如果你不想自己写，OpenClaw 社区里可能已经有人分享了写好的视频处理 Skill，找到加载就能用。

不是所有事都要自己动手

说实话，上面这几步对爱折腾的朋友来说，十几分钟就弄完了。

但如果你手头一堆事，根本不想花这个时间，我们也提供一条龙帮你配好的服务。你只管丢链接，逐字稿自动到手，省下来的时间研究内容本身。

有需要的话，直接找我们就行。

湖南AI中心📍 地点：长沙智谷AQ5栋一楼

编辑：盛夏