用途：将抖音视频音频下载后用 SenseVoice-Small 转录为文字，并自动生成带 frontmatter 的 Markdown 文件。
主要能力：支持抖音短链接和完整链接；优先无 cookie 直采，被风控时回退 yt-dlp + 浏览器 cookie（浏览器打开过 douyin.com 即可，无需登录）。下载环节使用 iesdouyin.com/share/video/<id> 加 iPhone 移动端 UA 获取 window._ROUTER_DATA，提取 CDN 链接，并将 playwm 改为 play 去水印。转录使用 FunASR 的 AutoModel 加载 iic/SenseVoiceSmall，配合 fsmn-vad，language=zh、use_itn=True、batch_size_s=60，CPU 可运行。
使用方式：环境需 Python 3.9+，创建虚拟环境后 pip install funasr modelscope torch torchaudio；系统需 ffmpeg（macOS: brew install ffmpeg，Ubuntu: sudo apt install ffmpeg）。运行 python scripts/transcribe.py "https://v.douyin.com/xxxxx"。
性能：10 分钟视频总耗时约 1 分钟，30 分钟约 2 分钟，1 小时 22 分钟约 4 分钟。
限制：SenseVoice-Small 首次下载约 893MB；CPU 推理质量略低于 GPU；VAD 可能把长停顿切成两段；不支持说话人分离；yt-dlp 不可用时必须走 iesdouyin 路线。仅供个人学习研究，遵守目标平台 ToS 与 robots，控制请求频率，勿批量抓取或商用爬取。