Communitygithub.com

playthegameoflife/tiktok-screen-recorder

Zeichnet echte Bildschirmaufnahmen von TikTok-Videos auf und überprüft sie bildgenau. Einsetzbar, wenn eine Video-URL erfasst, aufgezeichnet oder als Bildschirmaufnahme gesichert werden soll, oder zur Stapelverarbeitung aus einer Warteschlangendatei. Handhabt den gesamten Download-zu-Verifiziert-Ausgabe-Pipeline auf einem headless Linux-System.

Was ist tiktok-screen-recorder?

Dieses Skill führt einen vollständigen, unbeaufsichtigten Workflow zur Aufnahme und Verifikation von TikTok-Bildschirmaufnahmen auf einem headless Linux-Rechner aus. Es verwendet `pipeline.sh`, um ein TikTok-Video herunterzuladen, es in Echtzeit über `ffmpeg` und `mpv` in einer virtuellen X11-Umgebung (`Xvfb`) abzuspielen und aufzuzeichnen. Der kritischste Unterschied zu anderen Ansätzen ist die **Überprüfung der Aufnahme** mittels `verify.py`: Es vergleicht das erste und letzte Bild des aufgezeichneten Videos, um stille Fehler wie abgeschnittene Enden zu erkennen, die bei einer Dauer- oder Dateigrößenprüfung unentdeckt blieben. Das Skill meldet keinen Erfolg, es sei denn, `pipeline.sh` beendet sich mit Exit-Code 0. Es unterstützt sowohl Einzelaufrufe als auch Stapelverarbeitung aus einer Textdatei, behandelt verschiedene Fehlerzustände mit spezifischen Exit-Codes (Dauer von 0 für Erfolg bis 15 für Pipeline-Fehler) und erfordert weder menschliches Eingreifen noch eine manuelle Beurteilung der Aufnahmequalität.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/playthegameoflife/tiktok-screen-recorder/tree/HEAD/hermes/skills/tiktok-capture

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

TikTok-Aufnahme-Pipeline

Führe pipeline.sh aus. Leite ffmpeg-, mpv- oder Xvfb-Befehle nicht selbst ab und versuche nicht, den Erfolg einer Aufnahme anhand des Auges oder der Dauer zu beurteilen.

Die eine Regel

Melde eine Aufnahme niemals als erfolgreich. Nur pipeline.sh entscheidet das, durch seinen Exit-Code.

Das ist wichtig, weil eine Aufnahme, die stillschweigend die letzte Sekunde verliert, trotzdem genau die richtige Dauer und genau die richtige Bildanzahl hat. Nur der Vergleich von erstem und letztem Bild in verify.py fängt das. Wenn du jemals versucht bist, die Dauer oder Dateigröße zu überprüfen und es für gut zu befinden, genau das ist der Fehler, den diese Pipeline verhindern soll.

Ein einzelnen Auftrag ausführen

OUT_DIR=/data/out ./pipeline.sh "https://www.tiktok.com/@user/video/123"

Mit Cookies, wenn die Quelle eine Sitzung benötigt:

OUT_DIR=/data/out COOKIES=/data/cookies.txt ./pipeline.sh "$URL"

Einen Stapel ausführen

Lese URLs zeilenweise aus einer Warteschlangendatei und durchlaufe sie. Führe sie seriell aus, es sei denn, du hast vorher das CPU-Budget überprüft – jeder Auftrag benötigt etwa 2 vCPU, um 30fps ohne verpasste Bilder zu halten, und jeder Auftrag verwendet eine Display-Nummer und eine PulseAudio-Instanz, die von seiner eigenen PID abgeleitet werden, sodass gleichzeitige Ausführungen nicht kollidieren.

while read -r url; do
    [ -z "$url" ] && continue
    OUT_DIR=/data/out ./pipeline.sh "$url" || echo "FEHLGESCHLAGEN: $url"
done < queue.txt

Exit-Codes

CodeBedeutungTu dies
0VerifiziertNotiere den Ausgabepfad. Nichts weiter zu tun.
3Fehlende AbhängigkeitStoppe und melde. Nicht wiederholbar.
10Download fehlgeschlagenErwartet. Blockiert, privat oder entfernt. Protokolliere und fahre fort.
11Quelle hat kein AudioProtokolliere und fahre fort.
12Transkodierung fehlgeschlagenProtokolliere. Wiederhole einmal, dann melde.
13Aufnahme fehlgeschlagenÜberprüfe, ob Xvfb/pulseaudio installiert sind und der Displaybereich frei ist.
14Trimmen fehlgeschlagenDer Vorlauf konnte nicht gemessen oder validiert werden. Melde; wiederhole nicht blind.
15Verifizierung fehlgeschlagenAusgabe befindet sich unter <output>.rejected. Melde als Pipeline-Fehler.

Exit-Code 10 ist Routine, kein Vorfall. Auf einer Rechenzentrum-IP ist es für einen großen Anteil der URLs das erwartete Ergebnis. Melde es als Anzahl, wiederhole es nicht in einer Schleife.

Bei wiederholten Fehlern

Exit 14 oder 15 bedeutet, dass die Pipeline selbst falsch ist, nicht das Video. Lies die Messungen der manifest.json-Datei des Laufs – first_frame_mae und last_frame_mae unterscheiden die beiden Fälle:

  • Letztes Bild MAE hoch, erstes Bild MAE niedrig → der Vorlauf wurde zu kurz gemessen und das Ende wurde abgeschnitten.
  • Beide hoch → die Aufnahme ist fehlausgerichtet oder das Display wurde nie aktualisiert.

Melde die Zahlen, anstatt Toleranzen anzupassen, um einen Erfolg zu erzwingen. Das Erhöhen von --match-threshold, um ein grünes Ergebnis zu erhalten, ist keine Lösung.

Verwandte Skills