mcpField
C
Clypra

Clypra

本地服务
clypra.abdulkabirmusa.com媒体与设计3.3k3 天前更新

关于 Clypra

Clypra 是一款基于 Rust、Tauri v2 和 React 19 构建的开源视频编辑器,采用 MIT 许可证。项目强调硬件加速解码、GPU 渲染与逐帧精确的时间线,面向希望免费使用专业剪辑功能的用户。

主要功能

  1. 01逐帧精确的多轨时间线与撤销重做
  2. 02基于 FFmpeg 的硬件加速解码
  3. 03实时波形渲染与音视频同步
  4. 04文字样式、叠加与滤镜效果
  5. 05支持 MP4、MOV、WebM、ProRes 等格式导入导出

适用场景

  1. 01使用桌面端进行日常视频剪辑
  2. 02在 macOS、Windows 或 Linux 上编辑并导出成片

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

Clypra

Clypra 展示横幅

专业视频剪辑——永久免费且开源。

基于 Rust、Tauri v2 和 React 19 构建的硬件加速视频编辑器。帧解码耗时低于 10 ms、原生 GPU 渲染,以及帧级精准时间线——全部免费,并以 MIT 许可证开源。

许可证:MIT 欢迎提交 PR GitHub 问题 GitHub 星标 GitHub 赞助者

功能 • 架构 • ⚡ 性能遥测 • 安装 • 开发 • 贡献


概览

Clypra 是一款免费开源的视频编辑器(MIT 许可证),具备专业级功能。所有功能均 100% 免费且开源——没有水印、付费墙、功能限制,也无需订阅。

支持的平台
  • 桌面端:macOS(Apple Silicon 和 Intel)、Windows 10/11、Linux
  • 移动端:iOS 和 Android(通过 Capacitor)

主要功能

  • 🎬 多轨时间线与剪辑 — 帧级精准裁剪、多层轨道编排,以及完整的撤销/重做历史记录。
  • ⚡ 硬件加速引擎 — 由原生 Rust、GPU 解码(VideoToolbox、D3D11VA、VAAPI)和 FFmpeg 提供支持,解码延迟低于 10 ms。
  • 🎵 高保真音频与波形 — 实时峰值 + RMS 波形渲染、帧级精准的音视频同步,以及片段音量控制。
  • 🎨 文本与视觉合成 — 自定义文本样式、动态叠加层、滤镜,以及实时画布预览。
  • 📦 多格式导入与导出 — 支持 MP4、MOV、WebM、MKV、MP3、WAV、PNG,以及高质量 ProRes/H.264 导出。
  • 🛡️ 零开销性能遥测 — 仅在生产环境进行帧计时分析,以优化驱动兼容性和跨操作系统渲染,且不涉及任何个人身份信息。

⚡ 生产环境性能遥测与隐私

为确保 60 FPS 播放流畅无卡顿,并诊断不同硬件配置下的边缘 GPU 驱动回归问题,Clypra 内置了轻量级、非阻塞的遥测收集器:

  • 收集内容:高级数值计时数据(解码 $\mu$s、合成 $\mu$s、P95 寻帧延迟、丢帧数、操作系统系列以及 GPU 供应商/型号)。
  • 严格保护隐私(零个人身份信息):绝不会访问或发送视频帧、媒体资源、项目标题、文件路径或用户个人身份信息。
  • 自适应采样:对流畅的 60 FPS 播放按 1% 的比例采样;对丢帧($>5%$)和驱动回退则按 100% 采集,以便定位回归问题,同时不影响播放帧节奏。
  • 分析中心:工程师会在 Clypra Studio 管理控制台(/studio/admin)中分析汇总后的性能指标。

技术详情请参阅性能遥测规范。


架构

Clypra 采用原生 Rust/Tauri v2 核心处理硬件视频操作,并搭配 React 19 前端。

┌────────────────────────────────────────────────────────────┐
│                    Frontend (React/TS)                     │
│  ┌──────────────┐  ┌───────────────┐  ┌─────────────────┐  │
│  │  Timeline UI │  │ Preview Canvas│  │ Filmstrip Cache │  │
│  └──────┬───────┘  └──────┬────────┘  └────────┬────────┘  │
│         └─────────────────┴────────────────────┘           │
│                           │                                │
│                    Tauri IPC Layer                         │
└───────────────────────────┼────────────────────────────────┘
                            │
┌───────────────────────────┼────────────────────────────────┐
│                  Backend (Rust/FFmpeg)                     │
│         ┌─────────────────┴──────────────────┐             │
│         │     Decoder Pool (LRU Cache)       │             │
│         │  (VideoToolbox / D3D11VA / VAAPI)  │             │
│         └─────────────┬────────────────────┬─┘             │
│         ┌─────────────▼────────┐  ┌────────▼──────────┐    │
│         │  Frame Decoder       │  │  Export Pipeline  │    │
│         └──────────────────────┘  └───────────────────┘    │
└────────────────────────────────────────────────────────────┘

性能基准测试和深入技术解析请参阅 Clypra 运行时性能架构、 原生性能契约、性能遥测规范,以及 节目预览性能操作手册。


安装

从最新发布版本下载预编译二进制文件。

  • macOS(Homebrew):brew install AIEraDev/tap/clypra,或下载 Clypra-universal.dmg。
  • Windows:下载并运行 Clypra-x64.msi。
  • Linux:下载 Clypra-x86_64.AppImage(运行 chmod +x 后启动)。

开发

先决条件
  • Node.js 18+ 和 npm
  • Rust 1.70+(rustup)
  • FFmpeg 6.0+,以及开发头文件
快速开始
# Clone repository
git clone https://github.com/AIEraDev/clypra.git
cd clypra

# Install dependencies
npm install

# Setup environment variables
cp .env.example .env

# Run development mode
npm run tauri dev
仓库结构
  • src/ — React 19 + TypeScript 前端(UI、时间线、画布渲染器、Zustand 状态)。
  • src-tauri/ — 原生 Rust 后端(FFmpeg 解码器池、硬件加速、Tauri IPC 命令)。
脚本与测试
npm test                 # Run frontend tests
cd src-tauri && cargo test # Run Rust backend tests
npx tsc --noEmit         # Type check
npm run format           # Format codebase

贡献与许可证

  • 贡献:欢迎贡献!请阅读 CONTRIBUTING.md,了解指南和代码规范。
  • 许可证:Clypra 是基于 MIT License 开源的。FFmpeg 依赖项采用 LGPL v2.1+ 许可证。
  • 赞助:通过 GitHub Sponsors 赞助,或阅读 SPONSORS.md,帮助 Clypra 持续发展。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。