开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >专栏 >一台没有独显的轻薄本，怎么把 1200 条抖音爆款文案扒成文字库

一台没有独显的轻薄本，怎么把 1200 条抖音爆款文案扒成文字库

用户12704383

发布于 2026-10-14 15:14:59

发布于 2026-10-14 15:14:59

310

举报

概述

先说结论：整套流程能跑起来，靠的不是模型多强，而是把"语音识别"这件事从云端搬回本地 CPU，再拿几个脚本把"下载→转写→归档→清理"串成一条线。全程不花 API 的钱，音频不上传，代价是慢——单条约 1 分钟。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

目录

为什么要自己扒，而不是买数据

技术选型：四个包，一个都不多余

抓播放直链：为什么非得上真浏览器

语音识别：本地 CPU 跑 Whisper 的真实体感
- initial_prompt 不是可选项，是必要项
- 烧录字幕抽帧核对

批量：真正难的不是转写，是"跑不完"
- 设计原则：每条隔离，失败不影响其余
- 坑一：卡死的单条会把整批拖停
- 坑二：索引要"每完成一条就刷新"
- 坑三：中断了要能续跑，不能从头再来
- 坑四：磁盘要先算账

磁盘清理：这一节是我花时间最多的地方
- 坑一：os.remove 成功，但磁盘一点没释放
- 坑二：删目录时 os.remove 会失败，进而制造"孤儿"
- 坑三：批量删除要分批，别梭哈

耗时和体积参考

合规边界，写在最后

小结