1000+ 网站视频文案提取：哼哼猫 MCP 使用教程
哼哼猫的单帖提取 MCP 支持 1000+ 网站。将帖子提取与音视频转文字工具连接起来，就能从视频分享链接获得完整文案、时间戳分段和说话人记录。
本文以 TikTok 和小红书为例：看到一条 TikTok 视频，想读懂里面的英文口播；收藏了一篇小红书视频笔记，想把讲解整理成文字，留作学习笔记。其他受支持网站的视频，也可以按这套流程操作。
把哼哼猫 MCP 接入 WorkBuddy、Codex 等 AI Agent 后，你可以直接说：“帮我提取这个视频的完整文案。”Agent 会先解析帖子，取得音频或视频文件地址，再调用音视频转文字工具，最后把逐字稿交给你。
核心流程是：分享链接 → 媒体文件地址 → 语音识别 → 视频文案。其中最重要的两个细节是：有对应音频地址时优先使用音频；提取结果带有媒体请求头时，要把请求头一并传给转文字工具。
视频文案提取后，能拿到哪些内容？
这里说的视频文案，是视频中实际说出的内容，适合整理口播、课程讲解、采访和多人对话。帖子标题和发布时填写的文字可以帮助理解主题，口播逐字稿则来自对声音的识别。
| 内容 | 可以怎样使用 |
|---|---|
| 完整逐字稿 | 阅读视频原文、整理学习笔记、检索具体观点 |
| 带时间戳的分段 | 回到视频中的对应位置，制作字幕或内容索引 |
| 说话人分段 | 区分访谈、会议或多人讨论中不同人的发言 |
据哼哼猫提供的评测结果，其采用评测排名第一的 ASR 语音识别模型，识别准确率达 99% 以上，并持续升级识别能力。同时支持 99+ 语言、自动识别语言、识别说话人和时间戳分段。实际效果会随音质、口音和背景声音变化，具体功能见音视频转文字说明。
第一步：连接哼哼猫 MCP
先打开哼哼猫开发者管理中心，创建并复制自己的 API Key。下面以 WorkBuddy 和 Codex 为例，选择你正在使用的一种配置即可。
哼哼猫 MCP 的服务地址是：
https://api.meowload.net/mcp
WorkBuddy 配置
在 WorkBuddy 的连接器管理中打开自定义连接器的 MCP 配置编辑器，填写：
{
"mcpServers": {
"meowload": {
"type": "streamableHttp",
"url": "https://api.meowload.net/mcp",
"headers": {
"Authorization": "Bearer <你的 API Key>"
}
}
}
}
将 <你的 API Key> 换成自己的 Key，保留 Bearer 后面的空格，保存并启用连接器。配置字段可参考 WorkBuddy 官方连接器文档。
Codex 配置
在用户主目录的 ~/.codex/config.toml 中加入：
[mcp_servers.meowload]
url = "https://api.meowload.net/mcp"
http_headers = { "Authorization" = "Bearer <你的 API Key>" }
替换 Key，保留配置文件原有内容，重新启动 Codex。配置方式也可以查阅 OpenAI 官方 MCP 文档。
确认三个工具已经出现
在 Agent 的工具列表中确认可以找到：
| MCP 工具 | 用途 |
|---|---|
extract_post |
从 TikTok、小红书等帖子分享链接中提取媒体地址 |
create_transcription |
提交音频或视频文件地址，创建转文字任务 |
get_transcription |
根据任务 ID 查询状态，取得文案和分段 |
配置完成后，接下来就可以直接在对话中操作，无需自己编写调用代码。
第二步：把 TikTok 或小红书链接发给 Agent
在 TikTok 视频或小红书视频笔记的分享菜单中复制链接，粘贴到下面这段提示词的最后一行。完整分享链接和短链接都可以交给单帖提取工具处理；保留链接原有的查询参数。
请使用哼哼猫 meowload MCP，提取下面这条视频的完整口播文案。
操作要求：
1. 调用 extract_post 解析分享链接，找到我要识别的视频。
2. 优先使用与该视频对应的独立音频地址；没有音频地址时，
使用带声音的视频文件地址。若视频档位同时返回 audio_url
和 video_url，使用 audio_url。
3. 将选中的文件地址作为 fileUrl，调用 create_transcription。
如果该媒体返回了 headers，将它作为 fileHeaders 一起传入。
language 使用 auto，speakerLabels 使用 false。
4. 保存任务 ID，每 3 秒调用 get_transcription 查询同一个任务，
直到 completed 或 failed；失败时告诉我具体原因。
5. 完成后先输出完整逐字稿，再按有效时间戳分段展示。
保留原话，存疑词句单独列出，最后给出不超过 5 条的内容要点。
视频分享链接：<粘贴你的 TikTok 或小红书视频链接>
TikTok 英文视频同样可以使用 language: "auto"。想阅读中文版本，可以在提示词末尾再补一句：“请先保留英文逐字稿，再提供中文翻译。”这样原始识别结果和翻译能够相互对照。
小红书视频也按同一流程操作：复制视频笔记的分享链接，替换提示词最后一行即可。
第三步：看懂分享链接到文案的调用过程
Agent 实际会依次使用下面三个工具。了解它们之间传递的字段，遇到问题时就容易定位。下列地址、任务 ID 和返回文字均为结构示例，使用时以工具实际返回的值为准。
1. 提取单个帖子的媒体地址
调用 extract_post，参数中的 url 就是你复制的 TikTok 或小红书分享链接：
{
"url": "<你复制的视频分享链接>"
}
提取结果中的媒体放在 medias[]。下面只保留选择音轨时需要的字段：
{
"medias": [
{
"media_type": "video",
"resource_url": "https://media.example.com/video.mp4",
"headers": {
"Referer": "https://www.example.com/"
},
"variants": [
{
"is_default": true,
"video_url": "https://media.example.com/video-only.mp4",
"audio_url": "https://media.example.com/audio.m4a"
}
]
}
]
}
选择识别来源时，按下面的顺序处理：
- 有与目标视频对应的独立音频媒体时，优先使用它的
resource_url；音频变体中的地址也可以使用。 - 视频的
variants[]中有audio_url时，优先使用对应音轨；有默认音轨标记时，优先选择is_default: true的档位。 - 没有独立音频地址时，使用带音轨的视频文件直链。
同一档位同时出现 video_url 和 audio_url，表示画面与声音分开提供。这时要识别口播，直接把 audio_url 交给下一步即可。
请求头来自所选媒体的 headers，因此文件地址和请求头要配套使用。完整媒体字段见单帖提取说明。
2. 把文件地址交给音视频转文字工具
对上面的示例，调用 create_transcription 时传入：
{
"fileUrl": "https://media.example.com/audio.m4a",
"fileHeaders": {
"Referer": "https://www.example.com/"
},
"language": "auto",
"speakerLabels": false
}
这里完成了两处对应关系：
- 选中的音频或视频文件地址 →
fileUrl - 同一条媒体返回的
headers→fileHeaders
媒体没有返回请求头时，可以省略 fileHeaders。fileUrl 填实际媒体文件直链，分享链接已经在上一步由 extract_post 处理。
创建成功后，会取得任务 ID：
{
"id": "0123456789abcdefghijklmn",
"status": "processing"
}
3. 查询任务，取得完整文案
保存这个 ID，每 3 秒调用一次 get_transcription：
{
"id": "0123456789abcdefghijklmn"
}
status |
如何处理 |
|---|---|
processing |
等待后继续查询同一个 ID |
completed |
读取 result.text 和 result.segments |
failed |
停止查询，查看 error 中的原因 |
result.text 是识别出的全文，result.segments 是文字分段及时间信息，时间单位为秒。Agent 可以据此输出逐字稿、带时间位置的内容提纲，或继续整理视频脚本。缺少有效时间戳的分段保留序号即可。
多人对话：开启说话人识别
访谈、双人口播或会议视频，可以在创建任务时将 speakerLabels 改为 true：
{
"fileUrl": "https://media.example.com/interview.mp4",
"language": "auto",
"speakerLabels": true
}
如果媒体带请求头，这里也要一并传入 fileHeaders。也可以直接对 Agent 说：“这是一段多人访谈，请开启说话人识别，按不同说话人整理完整文案。”
完成结果中的分段可以带有这样的标签：
{
"result": {
"text": "今天分享视频文案提取方法。 拿到链接之后先做什么？",
"segments": [
{
"id": 0,
"start": 0,
"end": 3.2,
"speaker": "speaker_0",
"text": "今天分享视频文案提取方法。"
},
{
"id": 1,
"start": 3.2,
"end": 5.5,
"speaker": "speaker_1",
"text": "拿到链接之后先做什么？"
}
]
}
}
speaker_0、speaker_1 用来区分不同说话人。你可以据此整理为“说话人 1”“说话人 2”的对话记录；知道人物身份时，再补上对应姓名。
拿到逐字稿后，继续拆解视频脚本
完成语音识别后，可以接着让 Agent 分析 TikTok 或小红书视频的表达结构：
请根据刚才取得的逐字稿，整理这条视频的口播脚本。
按“时间位置、原文摘录、这段的作用”输出表格，分析开场、
主要观点、案例和结尾。每个判断都引用对应原文。
保留完整逐字稿；缺少时间戳时使用分段序号。
最后提炼一个可复用的表达结构，便于我学习如何组织自己的内容。
同一份文案还可以用来整理课程笔记、提炼采访问题，或生成内容摘要。需要改写成自己的新脚本时，再提供你的选题、受众和观点，让 Agent 基于这些材料创作。
如果流程中断，先看停在哪一步：帖子解析失败时核对分享链接；媒体下载失败时检查地址时效和对应请求头；遇到 audio_track_missing 时重新检查所选文件是否包含音轨。媒体直链通常有时效，解析后及时创建转文字任务；已经拿到任务 ID 时，继续查询这个 ID 即可。
参数需要进一步确认时，可以让 Agent 调用 get_docs，使用 page: "transcription-api"、lang: "zh" 阅读文档，也可以直接查看哼哼猫 MCP 接入说明。