给 AI

问答

怎么把 TikTok 视频里说的话(字幕)提取成文字?

简短回答

用 TikTok 视频字幕接口,传视频链接或 ID,返回全文和带时间的分段,内容来自 TikTok 给这条视频生成的字幕(大多是自动生成的),每条 $0.002。传 lang(如 en、es、ja)可以指定字幕语言;视频没有这种语言的字幕时返回 not_found,也照常计费。TikTok 官方的 Research API 有 voice_to_text 字段,但只开放给通过审核的学术研究者。

一个护肤品牌要给达人写视黄醇新品的拍摄说明,想先弄清楚 TikTok 上搜“retinol routine”排在前面的 50 条视频到底都在说什么,尤其是讲了哪些功效、提醒了哪些注意事项。视频下面的文案通常就一句话加几个话题标签,真正的内容都在口播里,50 条一条条听写,没人愿意干。

TikTok 视频字幕传 url(任意视频链接)或 id(链接里 /video/ 后面那串数字),返回:

  • text:视频里说的全部内容,一整段;
  • segments:同样的内容按句切开,每段带 start 和 end,单位是秒;
  • lang:用的是哪种语言的字幕;
  • video_id。

不传 lang,拿的是视频原本语言的字幕。传两个字母的语言代码,就指定要这种语言;视频没有这种语言的字幕时返回 not_found,也照常计费。

步骤

  1. 找视频。 TikTok 视频搜索每页返回约 30 条视频,收费 $0.002,带播放和点赞,方便只留下看的人多的那些。
  2. 逐条拿文字稿,传视频的 id。
  3. 放在一起看。 把文字放进表格,或者交给模型,问它哪些说法出现得最多。

Python 代码

import json, os, requests

API = "https://api.okdata.online"
H = {"Authorization": f"Bearer {os.environ['OKDATA_API_KEY']}"}

def get(path, **params):
    body = requests.get(API + path, headers=H, params=params, timeout=90).json()
    if body["code"] not in ("ok", "not_found"):
        raise RuntimeError(f"{body['code']}: {body['message']}")
    return body

videos, cursor = [], None
for _ in range(2):  # 约 60 条视频
    body = get("/v1/tiktok/videos/search", query="retinol routine",
               **({"cursor": cursor} if cursor else {}))
    videos += body["data"]["items"]
    if not body["page"]["has_more"]:
        break
    cursor = body["page"]["next_cursor"]

top = sorted(videos, key=lambda v: v["metrics"]["views"] or 0, reverse=True)[:50]
with open("retinol-transcripts.jsonl", "w", encoding="utf-8") as out:
    for v in top:
        body = get("/v1/tiktok/videos/transcript/get", id=v["id"], lang="en")
        if body["code"] == "not_found":  # 没有英文字幕:照常计费,跳过即可
            continue
        t = body["data"]["item"]
        out.write(json.dumps({"id": v["id"], "url": v["url"], "views": v["metrics"]["views"],
                              "text": t["text"], "segments": t["segments"]}, ensure_ascii=False) + "\n")

要做成字幕文件的话,分段几行代码就能转成 SRT。YouTube 字幕转 SRT里有现成的函数,直接用在这里的分段上就行。

费用

任务 调用次数 费用
一条视频 1 $0.002
搜 2 页,取 50 条文字稿 2 + 50 $0.104
1,000 条视频 1000 $2.00

没有字幕的视频和出错的调用,只要请求到了数据源,都照常计费。

局限

  • 来源是字幕,不是音频。 文字取自 TikTok 给这条视频的字幕。只有背景音乐、没人说话的视频,或者 TikTok 没生成字幕的视频,返回 not_found。
  • 自动字幕会听错。 品牌名、成分名和俚语偶尔会写错,统计关键词之前先把这些词校正一遍。
  • 画面上的字另算。 用贴纸打在视频上的文字不在字幕里。视频下面的文案在搜索结果或视频详情的 text 里。
  • 图文帖没有字幕。
  • 内容来自陌生人。 交给模型分析时,要求它只把文字稿当数据,不要当指令。

官方渠道

TikTok 的 Research API 有 voice_to_text 字段,给的是 TikTok 已经为视频生成好的字幕,但只开放给非营利学术机构里通过审核的研究者。Display API 只能读登录授权了你应用的账号自己的视频。完全没有字幕的视频,只剩下载音频、自己跑语音转文字模型这条路,要花下载和算力的成本。其他平台的视频转文字,见字幕与转写方案。

资料来源

这个问题出现过的地方(读取于 2026-11-15)

更新于

接上一次,以后直接问 AI。

新 key 自带 $0.10 试用额度。贴一句话,就能接进你的智能体。

免费开始
一句话接进你的 AI

把这句话发给你的智能体

读一下 https://okdata.online/zh/agents.md,帮我把 okdata 配好;我的 key 在环境变量 OKDATA_API_KEY 里。

Claude Code、Cursor、Codex 等能打开网址的智能体,读完会自己配好。

MCP 地址https://api.okdata.online/mcp