STARWARCLOUD STARWAR.AI
返回市场
视频提取服务器

视频提取服务器

作者：SealinGp6 星标更新：2025-05-27
安装使用来源：spider==github.com

项目介绍

MCP 视频与音频文本提取服务器

这是一个提供从各种视频平台和音频文件中提取文本能力的MCP服务器。该服务器通过实现模型上下文协议（MCP）来提供对音频转录服务的标准访问。

支持的平台

此服务支持从多个平台下载视频并提取音频，包括但不限于：

  • YouTube
  • Bilibili
  • TikTok
  • Instagram
  • Twitter/X
  • Facebook
  • Vimeo
  • Dailymotion
  • SoundCloud

完整的支持平台列表，请访问yt-dlp 支持站点。

核心技术

该项目利用OpenAI的Whisper模型通过MCP工具进行音频到文本处理。服务器暴露了四个主要工具：

  1. 视频下载：从支持的平台上下载视频
  2. 音频下载：从支持的平台上提取视频中的音频
  3. 视频文本提取：从视频中提取文本（下载并转录）
  4. 音频文件文本提取：从音频文件中提取文本

MCP集成

此服务器是使用模型上下文协议构建的，它提供了：

  • 向LLMs公开工具的标准方式
  • 对视频内容和音频文件的安全访问
  • 与MCP客户端如Claude Desktop的集成

特性

  • 基于Whisper的高质量语音识别
  • 多语言文本识别
  • 支持多种音频格式（mp3、wav、m4a等）
  • 符合MCP标准的工具接口
  • 大文件异步处理

技术栈

  • Python 3.10+
  • 模型上下文协议（MCP）Python SDK
  • yt-dlp（YouTube视频下载）
  • openai-whisper（核心音频到文本引擎）
  • pydantic

系统需求

  • FFmpeg（音频处理所需）
  • 最低8GB内存
  • 推荐GPU加速（NVIDIA GPU + CUDA）
  • 足够的磁盘空间（用于模型下载和临时文件）

首次运行重要通知

**重要：**首次运行时，系统会自动下载Whisper模型文件（约1GB）。根据您的网络条件，此过程可能需要几分钟到几十分钟。模型文件会被缓存到本地，后续运行无需再次下载。

安装

使用uv（推荐）

使用uv不需要特定安装。我们将使用uvx直接运行视频提取服务器：

curl -LsSf https://astral.sh/uv/install.sh | sh

安装FFmpeg

FFmpeg是音频处理所需的。您可以通过多种方法安装它：

# Ubuntu或Debian
sudo apt update && sudo apt install ffmpeg

# Arch Linux
sudo pacman -S ffmpeg

# MacOS
brew install ffmpeg

# Windows（使用Chocolatey）
choco install ffmpeg

# Windows（使用Scoop）
scoop install ffmpeg

使用

配置Claude/Cursor

在您的Claude/Cursor设置中添加：

"mcpServers": {
  "video-extraction": {
    "command": "uvx",
    "args": ["mcp-video-extraction"]
  }
}

可用的MCP工具

  1. 视频下载：从支持的平台上下载视频
  2. 音频下载：从支持的平台上提取视频中的音频
  3. 视频文本提取：从视频中提取文本（下载并转录）
  4. 音频文件文本提取：从音频文件中提取文本

配置

服务可以通过环境变量进行配置：

Whisper配置

  • WHISPER_MODEL：Whisper模型大小（tiny/base/small/medium/large），默认值：'base'
  • WHISPER_LANGUAGE：转录的语言设置，默认值：'auto'

YouTube下载配置

  • YOUTUBE_FORMAT：下载的视频格式，默认值：'bestaudio'
  • AUDIO_FORMAT：提取的音频格式，默认值：'mp3'
  • AUDIO_QUALITY：音频质量设置，默认值：'112'

存储配置

  • TEMP_DIR：临时文件存储位置，默认值：'/tmp/mcp-video'

下载设置

  • DOWNLOAD_RETRIES：下载重试次数，默认值：10
  • FRAGMENT_RETRIES：片段下载重试次数，默认值：10
  • SOCKET_TIMEOUT：套接字超时时间（秒），默认值：30

性能优化提示

  1. GPU加速：

    • 安装CUDA和cuDNN
    • 确保已安装PyTorch的GPU版本

  2. 模型尺寸调整：

    • tiny：最快但准确率较低
    • base：速度和准确率平衡
    • large：最高准确率但需要更多资源

  3. 使用SSD存储临时文件以提高I/O性能

注意事项

  • Whisper模型（约1GB）需要在首次运行时下载
  • 确保有足够的磁盘空间用于临时音频文件
  • 下载YouTube视频需要稳定的网络连接
  • 推荐使用GPU以加快音频处理速度
  • 处理长视频可能需要较长时间

MCP集成指南

此服务器可以与任何兼容MCP的客户端一起使用，例如：

  • Claude Desktop
  • 自定义MCP客户端
  • 其他启用MCP的应用程序

有关MCP的更多信息，请访问模型上下文协议。

文档

中文版文档，请参阅README_zh.md

许可证

MIT