前言¶

做短視頻內容時，一個常見痛點是參考素材沒法直接複用。你手上有一條滿意的視頻，想換成自己的表達重新做一版，逐句聽寫、整理結構、再重寫成中文口播稿，這一步耗費的時間往往比拍攝還長。如果還要把原視頻的音頻剝離出來當作旁白素材，又得另開一套工具。抖音視頻自動蒸餾這個 Skill 嘗試把這兩步壓成一條流水線：把視頻丟給 agent，它提取內容、洗稿、生成一份乾淨的中文文案。

下面介紹這個 Skill 的實際能力和用法。

這是什麼¶

抖音視頻自動蒸餾是一個社區 Skill，座標 @user_e63b7e29/distill-reference-video，版本 1.0.2，發佈在 SkillHub 的 content-creation 分類下。

它要解決的問題是：用戶給出一條抖音、TikTok 或其他來源的參考視頻，Skill 自動提取視頻中的內容，清洗、重寫成一份原創中文文案後返回。在此基礎上，如果用戶再提供一份 MP3 口播文案，還可以據此生成新視頻。官方簡介把這個流程概括爲「把視頻發給 agent，用這個 skill 提取內容、洗稿後交給你」。

從描述看，它面向的是有批量二創需求的內容生產者：不希望逐句人工轉寫，也不希望直接照搬原片文案。

核心功能¶

根據官方頁面的資料，這個 Skill 提供以下能力：

1、接收一條視頻作爲輸入，提取其中的內容。官方描述覆蓋抖音、TikTok 及其他來源的視頻。
2、對提取出的內容做清洗和重寫，輸出一份原創中文文案，而不是原文摘錄。
3、支持把原視頻的音頻軌作爲最終旁白來復用，適合需要保留原配音的場景。
4、在音頻提取完成後，可以刪除源視頻，只保留音頻與文案。
5、可以基於之前提取出的音頻繼續後續流程，不必重複提取。
6、可以複用此前建立的參考視頻工作流，適合同類型視頻的批量生產。

需要注意，這些能力來自 Skill 簡介，實際效果取決於提取與洗稿環節的準確性，以及後續視頻生成所用的工具。

安裝與啓用¶

SkillHub 頁面標註 requires_api_key=false，即安裝啓用無需 API Key。安裝方式按 SkillHub 通用流程執行即可，把該 Skill 加入當前 agent 的 Skill 列表或技能目錄。

目前抓取資料中未給出 SkillHub 的精確安裝命令，也未說明 Cursor、Codex CLI、Claude Code 三類環境的差異，這裏不展開。實際使用時以 SkillHub 頁面上當時的安裝說明爲準。

典型用法¶

官方簡介給出的可復現路徑是：

1、把一條參考視頻交給 agent，並啓用本 Skill。
2、agent 提取視頻內容，清洗並重寫成一份原創中文文案，返回給你。
3、你再提供一份 MP3 口播文案，agent 據此生成新的視頻。

這個流程裏，第 1 步到第 2 步由 Skill 完成，第 3 步的視頻生成依賴外部能力，Skill 本身只負責從視頻到文案這一段。官方描述中還提到可以直接把原視頻音頻作爲最終旁白，這屬於同一條流程裏的可選分支：當你不想要新的配音、只想沿用原片的音頻時，讓 Skill 提取音頻軌作爲最終旁白即可，隨後同樣可以刪除源文件。

適用場景與注意¶

適合以下情況：

• 有參考視頻，需要快速產出結構相似但表達不同的中文文案。
• 需要保留原視頻的音頻作爲旁白，而不是重新配音。
• 同類型參考視頻數量多，希望複用同一套提取、洗稿流程。

限制與坑：

• 提取和洗稿的準確度依賴視頻本身的可解析程度，臺詞模糊、配樂壓過人聲或純畫面無解說的視頻，效果會打折扣。
• 輸出的是「原創中文文案」，不是逐字轉寫。如果你需要精確復刻原文，這個 Skill 的方向是重寫，不適合。
• 摘要、評分、下載次數等頁面數據會變動，本文以抓取時資料爲準，使用前請以官方頁面當前顯示爲準。

結尾¶

這個 Skill 的價值在於把「聽寫—整理—重寫」這條重複勞動壓成一句指令，代價是你要接受它產出的是重寫稿而非原文。如果你的工作流正好在參考視頻和原創口播稿之間缺一個銜接環節，可以試一次。

官方地址：https://api.skillhub.cn/user_e63b7e29/distill-reference-video