问答
ChatGPT 或 Claude 能看抖音视频吗?(2026)
简短回答
靠一条链接不行:模型拿到的是一个播不了的页面,这里也没有抖音字幕接口。它能读的是视频周围的文字。通过 okdata,模型可以取文案、话题、作者和各项数据,每次 $0.002,再读评论,每页 $0.002;一条视频加两页评论共 $0.006。
很多人把抖音链接贴进对话框,让 AI 总结一下。得到的往往是拒绝,更糟的是一段说得头头是道、其实是根据链接文字猜出来的总结。模型根本没看到视频。抖音网页是一个靠脚本加载播放器的空壳,抓取页面的工具通常只能拿到这个壳。从接口层面看,Anthropic 和 OpenAI 的视觉文档列出的视觉输入都是图片格式(JPEG、PNG、WebP、GIF),Claude 的文档还说明动图只取第一帧。聊天 App 能不能上传视频文件,取决于具体产品和套餐,而且经常变,请看它们自己的帮助页面;不管怎样,抖音链接都不是文件。
模型能读到抖音视频的哪些信息
| 内容 | 来源 | 字段 |
|---|---|---|
| 文案和话题 | 视频详情 | text、hashtags |
| 作者 | 视频详情 | author.name、author.id |
| 点赞、评论、分享、收藏 | 视频详情 | metrics.*(播放量不公开) |
| 发布时间、时长、背景音乐 | 视频详情 | published_at,加 view=full 时的 ext.duration_ms 和 ext.music |
| 观众怎么说 | 视频评论 | text、likes、ip_location,按最热排 |
| 图文作品的图片 | 视频详情 | images,视觉模型可以直接看 |
“帮我看看这条视频”背后真正的问题,通常是:讲的是什么,效果怎么样,大家怎么看。这些信息往往已经够了。抖音文案普遍很短,所以评论承担了很大一部分答案。
缺的是:口播内容、画面上的文字,以及视频作品里一切视觉信息。okdata 没有抖音字幕接口,也不返回抖音视频文件。
通过 MCP 来做
把 okdata 的 MCP 服务器(https://api.okdata.online/mcp)接到 Claude、ChatGPT 或其他 MCP 客户端,然后直接说:“查一下这条抖音视频和它的热门评论,告诉我观众喜欢什么、吐槽什么。”模型会自己调用视频详情和评论接口。
| 请求 | 调用次数 | 费用 |
|---|---|---|
| 只查视频详情 | 1 | $0.002 |
| 详情加两页评论 | 3 | $0.006 |
| 20 条视频,同样深度 | 60 | $0.12 |
示例:自己拼好上下文
import os, requests
API, H = "https://api.okdata.online", {"Authorization": f"Bearer {os.environ['OKDATA_API_KEY']}"}
link = "https://v.douyin.com/iRk7pQe/"
v = requests.get(API + "/v1/douyin/videos/get", headers=H, timeout=60,
params={"url": link, "view": "full"}).json()["data"]["item"]
c = requests.get(API + "/v1/douyin/videos/comments/list", headers=H, timeout=60,
params={"id": v["id"], "fields": "text,likes"}).json()["data"]["items"]
context = (f"文案:{v['text']}\n话题:{v['hashtags']}\n作者:{v['author']['name']}\n"
f"点赞 {v['metrics']['likes']},评论 {v['metrics']['comments']},收藏 {v['metrics']['favorites']}\n"
"热门评论:\n" + "\n".join(f"- ({x['likes']}) {x['text']}" for x in c))
print(context) # 贴给任意模型,或者放进你自己的 API 请求里
需要口播内容时
- 直接问。达人和代理公司手里通常有脚本。
- 如果你有权使用视频文件,比如自己账号的视频,可以在本地用 Whisper 这类开源语音识别模型转成文字,再交给模型。
- YouTube 可以直接拿字幕,见让 Claude 总结 YouTube 视频。
把抖音数据接进这两个助手的做法,见通过 MCP 让 Claude 读抖音数据和给 ChatGPT 接上抖音数据。
资料来源
- Claude vision docs: supported formats are JPEG, PNG, GIF and WebP images; animations use the first frame
- OpenAI images and vision guide: image input file types
- Whisper: open-source speech recognition
这个问题出现过的地方(读取于 2026-11-12)
更新于