Video Transcript MCP

成绩单mcp

格拉玛

一种模型上下文协议（MCP）服务器，提供全面的视频工具：转录检索、视频下载、自动字幕生成和直接音频转录。适用于YouTube、Bilibili、Vimeo以及yt-dlp支持的任何平台。

特性

• 多平台支持：适用于YouTube、Bilibili、Vimeo以及yt-dlp支持的任何平台
• 视频记录：从视频中提取现有的文字记录/字幕
• 视频下载：将各种格式和质量的视频下载到本地存储
• 自动字幕生成：使用OpenAI Whisper API或本地Whisper生成字幕
• 客户端音频转录: audio_url 取（分配），小 audio_base64、分块上传、可选异步作业、服务器端Opus压缩、结构化JSON结果
• 多种URL格式：支持来自不同平台的各种URL格式
• 时间戳支持：在成绩单输出中包含或排除时间戳
• 语言选择：请求转录本或生成特定语言的字幕

工具

先决条件

• Node.js >= 16.0.0
• yt-dlp -获取成绩单和下载视频所需
• FFmpeg -字幕生成、音频规范化、Opus压缩和静音感知分割所需（安装带有 libopus)

安装依赖项

yt-dlp（必填）：

# Using Homebrew (macOS)
brew install yt-dlp

# Using pip
pip install yt-dlp

ffmpeg（字幕生成所需）：

# Using Homebrew (macOS)
brew install ffmpeg

# Using apt (Ubuntu/Debian)
sudo apt install ffmpeg

本地耳语（可选，用于生成本地字幕）：

pip install openai-whisper

安装

源自

git clone 
cd transcript-mcp
npm install
npm run build

全局安装（发布后）

npm install -g transcript-mcp

配置

适用于克劳德桌面/光标

将MCP服务器添加到配置文件中：

克劳德桌面版 (~/Library/Application Support/Claude/claude_desktop_config.json 在macOS上）：

{
  "mcpServers": {
    "transcript-mcp": {
      "command": "node",
      "args": ["/path/to/transcript-mcp/dist/index.js"],
      "env": {
        "TRANSCRIPT_MCP_STORAGE_DIR": "/path/to/downloads",
        "OPENAI_API_KEY": "your-openai-api-key"
      }
    }
  }
}

光标 (~/.cursor/mcp.json):

{
  "mcpServers": {
    "transcript-mcp": {
      "command": "node",
      "args": ["/path/to/transcript-mcp/dist/index.js"],
      "env": {
        "TRANSCRIPT_MCP_STORAGE_DIR": "/path/to/downloads",
        "OPENAI_API_KEY": "your-openai-api-key"
      }
    }
  }
}

环境变量

用法

1.获取成绩单

从视频平台检索现有成绩单。

参数：

• url （必填）：视频URL
• lang （可选）：语言代码（例如，'en'、'es'、'zh'）
• include_timestamps （可选）：包括时间戳（默认值：true）

例子：

Get the transcript from https://www.youtube.com/watch?v=VIDEO_ID

2.列出成绩单语言

列出视频的可用转录语言。

参数：

• url （必填）：视频URL

例子：

What transcript languages are available for https://www.youtube.com/watch?v=VIDEO_ID?

3.下载视频

将视频下载到本地存储。

参数：

• url （必填）：要下载的视频URL
• output_dir （可选）：自定义输出目录
• filename （可选）：自定义文件名
• format （可选）：视频格式- mp4, webm, mkv （默认值：mp4）
• quality （可选）：质量- best, 1080p, 720p, 480p, 360p, audio （默认值：最佳）

例子：

Download this video: https://www.youtube.com/watch?v=VIDEO_ID

4.列表下载

列出所有下载的视频文件。

参数：

• directory （可选）：要列出的目录（默认：存储目录）

例子：

List my downloaded videos

5.生成字幕

使用AI语音转文本为本地视频文件生成字幕。

参数：

• video_path （必填）：视频文件的绝对路径
• engine （可选）： openai 或 local （默认：自动检测）
• language （可选）：用于转录的语言代码
• output_format （可选）： srt 或 vtt （默认值：srt）

例子：

Generate subtitles for /path/to/video.mp4

6.转录音频

通过Whisper转录音频。更喜欢 audio_url （服务器获取字节；配置 TRANSCRIPT_MCP_URL_ALLOWLIST).使用 audio_base64 仅适用于小片段（约 60KB原始 每次通话；较大的有效载荷应使用分块上传或URL）。 audio_path / file:// 仅当MCP主机与调用者共享文件系统时才有效（在沙盒客户端中通常为false）。

默认情况下，服务器 重新编码为Opus 16 kHz单声道16 kbps 在Whisper之前。集 skip_compression: true 如果您已经优化了文件。

音频长度超过 5分钟 （或当 async: true)退货 { job_id, status: "processing" }；投票 transcribe_get_job.

参数（需要输入一个）：

• audio_url, audio_path, audio_base64，或 audio_resource_uri (file:// / data:...;base64,...)
• filename （可选）：魔术字节检测不确定时的提示
• skip_compression （可选）：跳过Opus重新压缩（默认值：false）
• engine （可选）： openai, local，或 auto （默认值： auto)
• language （可选）：转录语言提示
• include_timestamps （可选）：当 as_text 是真的，包括 [MM:SS] 行（默认值：true）
• as_text （可选）：如果为true，则返回纯文本；如果为false，则返回结构化JSON（默认值：false）
• async （可选）：强制异步作业（默认值：false）

示例：

Transcribe this presigned URL (after allowlisting the host): audio_url=...

Transcribe this audio file on the MCP host: /path/to/interview.m4a

7.转录*上传*\*（分块上传）

对于大文件，将原始字节拆分为base64块，最多 max_chunk_bytes （约60KB）来自 transcribe_upload_start，呼叫 transcribe_upload_append 对于每个指数，那么 transcribe_upload_finalize。大约一个小时后，被丢弃的上传将被垃圾回收。

8.转录_get_job/转录_cancel_job

轮询或取消由创建的异步作业 transcribe-audio （长音频或 async: true).

字幕生成引擎

OpenAI Whisper API

• 优点：精度高，无需本地设置，支持50多种语言
• 缺点：需要API密钥，每分钟音频成本
• 设置：设置 OPENAI_API_KEY 环境变量

当地耳语

• 优点：免费，本地运行，无API限制
• 缺点：需要设置，使用本地CPU/GPU
• 设置: pip install openai-whisper

该工具自动检测要使用的发动机：

1. 如果 OPENAI_API_KEY 已设置，使用OpenAI Whisper
2. 如果安装了本地耳语，则使用本地耳语
3. 如果两者都不可用，则返回错误

对于 transcribe-audio, auto 首先使用OpenAI，当本地耳语可用时，回落到本地耳语。

示例工作流

下载并生成字幕

1. Download this video: https://www.youtube.com/watch?v=VIDEO_ID
2. Generate subtitles for the downloaded file

总结视频

Get the transcript from https://www.youtube.com/watch?v=VIDEO_ID and summarize the key points

为没有字幕的视频创建字幕

1. Download the video: https://vimeo.com/123456789
2. Generate English subtitles for it

支持的平台

yt-dlp支持的任何平台，包括：

• 油管
• 买
• 维密欧
• 推特/X
• 试试看。
• Twitch
• 还有更多。..

完整列表：https://github.com/yt-dlp/yt-dlp/blob/master/supportedsites.md

项目结构

transcript-mcp/
├── src/
│   ├── index.ts              # Main MCP server entry point
│   ├── transcript-fetcher.ts # Transcript fetching using yt-dlp
│   ├── video-downloader.ts   # Video download functionality
│   ├── subtitle-generator.ts # AI-powered subtitle generation
│   ├── config.ts             # Configuration management
│   ├── url-detector.ts       # Platform detection from URLs
│   ├── parser.ts             # Transcript parsing (SRT, VTT, JSON)
│   └── errors.ts             # Custom error classes
├── test/
│   └── transcript.test.ts    # Unit tests
├── dist/                     # Compiled JavaScript (after build)
└── package.json

发展

# Build
npm run build

# Test
npm test

# Development mode
npm run dev

故障排除

“yt-dlp未安装”

brew install yt-dlp
# or
pip install yt-dlp

“未安装ffmpeg”

brew install ffmpeg

“未安装ffprobe”

brew install ffmpeg

“没有Whisper发动机可用”

要么：

• 集 OPENAI_API_KEY 环境变量，或
• 安装本地耳语： pip install openai-whisper

下载问题

• 检查视频是否可公开访问
• 某些平台可能有速率限制
• 无法下载私人/受限视频

字幕生成缓慢

• OpenAI Whisper API比本地更快
• 本地耳语性能取决于您的硬件
• 考虑使用较小的模型进行本地耳语

许可证

麻省理工学院

致谢

• yt-dlp 用于视频平台支持
• OpenAI耳语 用于语音转文本
• 模型上下文协议 对于MCP框架