Video Extraction Server

MCP 视频与音频文本提取服务

一个 MCP 服务，可从各种视频平台和音频文件中提取文本。此服务实现了 Model Context Protocol（MCP），可标准化访问音频转录服务。

支持的平台

此服务支持从各种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

完整的平台支持列表请参阅 yt-dlp 支持的网站。

核心技术

此项目通过 MCP 工具使用 OpenAI 的 Whisper 模型进行音频转文本处理。服务提供四种主要工具：

1. 视频下载：从支持的平台下载视频
2. 音频下载：从支持平台的视频中提取音频
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

此服务基于 Model Context Protocol 构建，可提供：

• 向大模型公开工具的标准化方式
• 安全访问视频内容和音频文件
• 与 Claude Desktop 等 MCP 客户端集成

功能

• 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 规范的工具接口
• 支持大型文件的异步处理

技术栈

• Python 3.10+
• Model Context Protocol（MCP）Python SDK
• yt-dlp（YouTube 视频下载）
• openai-whisper（核心音频转文本引擎）
• pydantic

系统要求

• FFmpeg（音频处理所需）
• 最低 8 GB RAM
• 建议使用 GPU 加速（NVIDIA GPU + CUDA）
• 足够的磁盘空间（用于下载模型和存储临时文件）

首次运行重要提示

重要： 首次运行时，系统会自动下载 Whisper 模型文件（约 1 GB）。此过程可能需要几分钟到几十分钟，具体取决于网络状况。模型文件会缓存在本地，后续运行无需再次下载。

安装

使用 uv（推荐）

使用 uv 时无需进行特定安装。我们将使用 uvx 直接运行视频提取服务：

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

安装 FFmpeg

音频处理需要 FFmpeg。你可以通过多种方式安装：

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

# Arch Linux
sudo pacman -S ffmpeg

# MacOS
brew install ffmpeg

# Windows (using Chocolatey)
choco install ffmpeg

# Windows (using Scoop)
scoop install ffmpeg

用法

配置 Claude/Cursor

添加到 Claude/Cursor 设置中：

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

可用的 MCP 工具

1. 视频下载：从支持的平台下载视频
2. 音频下载：从支持平台的视频中提取音频
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

可通过环境变量配置此服务：

Whisper 配置

• WHISPER_MODEL：Whisper 模型大小（tiny/base/small/medium/large），默认值：'base'
• WHISPER_LANGUAGE：转录语言设置，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：'192'

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 GPU 版 PyTorch

2. 调整模型大小：

   • tiny：速度最快，但准确率较低
   • base：速度和准确率较为均衡
   • large：准确率最高，但需要更多资源

3. 使用 SSD 存储临时文件，以提升 I/O 性能

注意事项

• 首次运行时需要下载 Whisper 模型（约 1GB）
• 确保磁盘空间充足，以存储临时音频文件
• 下载 YouTube 视频需要稳定的网络连接
• 建议使用 GPU，以加快音频处理速度
• 处理较长的视频可能需要较长时间

MCP 集成指南

此服务可与任何兼容 MCP 的客户端搭配使用，例如：

• Claude Desktop
• 自定义 MCP 客户端
• 其他支持 MCP 的应用程序

如需了解更多信息，请访问 Model Context Protocol。

文档

如需查看本文档的中文版，请参阅 README_zh.md

许可证

MIT