MCP ビデオ & オーディオ テキスト抽出サーバー
様々な動画プラットフォームや音声ファイルからテキスト抽出機能を提供するMCPサーバー。このサーバーは、モデルコンテキストプロトコル（MCP）を実装し、音声文字変換サービスへの標準化されたアクセスを提供します。
サポートされているプラットフォーム
このサービスは、以下を含むさまざまなプラットフォームからのビデオのダウンロードとオーディオの抽出をサポートしています:
ユーチューブ
ビリビリ
ティックトック
インスタグラム
ツイッター/X
フェイスブック
ヴィメオ
デイリーモーション
サウンドクラウド
サポートされているプラットフォームの完全なリストについては、 yt-dlp がサポートされているサイトをご覧ください。
Related MCP server: mcp-ytTranscript
コアテクノロジー
このプロジェクトでは、OpenAIのWhisperモデルを活用し、MCPツールを介して音声テキスト処理を行います。サーバーは4つの主要なツールを公開しています。
ビデオのダウンロード: サポートされているプラットフォームからビデオをダウンロードします
オーディオダウンロード: サポートされているプラットフォーム上のビデオからオーディオを抽出します
ビデオテキスト抽出: ビデオからテキストを抽出 (ダウンロードして文字起こし)
音声ファイルのテキスト抽出:音声ファイルからテキストを抽出します
MCP統合
このサーバーは、次の機能を提供するモデル コンテキスト プロトコルを使用して構築されています。
LLMにツールを公開するための標準化された方法
ビデオコンテンツとオーディオファイルへの安全なアクセス
Claude DesktopなどのMCPクライアントとの統合
特徴
Whisperに基づく高品質の音声認識
多言語テキスト認識
さまざまなオーディオ形式（mp3、wav、m4a など）をサポート
MCP準拠ツールインターフェース
大きなファイルの非同期処理
技術スタック
Python 3.10以上
モデルコンテキストプロトコル (MCP) Python SDK
yt-dlp（YouTube動画のダウンロード）
openai-whisper（コア音声テキスト変換エンジン）
ピダンティック
システム要件
FFmpeg（オーディオ処理に必要）
最低8GBのRAM
推奨される GPU アクセラレーション (NVIDIA GPU + CUDA)
十分なディスク容量（モデルのダウンロードと一時ファイル用）
初回実行に関する重要なお知らせ
**重要：**初回実行時に、システムはWhisperモデルファイル（約1GB）を自動的にダウンロードします。このプロセスは、ネットワークの状況に応じて数分から数十分かかる場合があります。モデルファイルはローカルにキャッシュされるため、次回の実行時に再度ダウンロードする必要はありません。
インストール
uvの使用（推奨）
uvを使用する場合、特別なインストールは必要ありません。uvxを使用してビデオ抽出サーバーを直接実行します。
FFmpegをインストールする
オーディオ処理にはFFmpegが必要です。以下の方法でインストールできます。
使用法
クロード/カーソルの設定
Claude/Cursor 設定に追加:
利用可能なMCPツール
ビデオのダウンロード: サポートされているプラットフォームからビデオをダウンロードします
オーディオダウンロード: サポートされているプラットフォーム上のビデオからオーディオを抽出します
ビデオテキスト抽出: ビデオからテキストを抽出 (ダウンロードして文字起こし)
音声ファイルのテキスト抽出:音声ファイルからテキストを抽出します
構成
サービスは環境変数を通じて設定できます:
ウィスパー構成
WHISPER_MODEL: ウィスパーモデルのサイズ（tiny/base/small/medium/large）、デフォルト: 'base'WHISPER_LANGUAGE: 転写の言語設定、デフォルト: 'auto'
YouTubeダウンロード設定
YOUTUBE_FORMAT: ダウンロードするビデオ形式、デフォルト: 'bestaudio'AUDIO_FORMAT: 抽出するオーディオ形式、デフォルト: 'mp3'AUDIO_QUALITY: オーディオ品質設定、デフォルト: '192'
ストレージ構成
TEMP_DIR: 一時ファイルの保存場所、デフォルト: '/tmp/mcp-video'
ダウンロード設定
DOWNLOAD_RETRIES: ダウンロードの再試行回数、デフォルト: 10FRAGMENT_RETRIES: フラグメントダウンロードの再試行回数、デフォルト: 10SOCKET_TIMEOUT: ソケットのタイムアウト（秒）、デフォルト: 30
パフォーマンス最適化のヒント
GPUアクセラレーション:
CUDAとcuDNNをインストールする
PyTorchのGPUバージョンがインストールされていることを確認する
モデルサイズ調整:
tiny: 最も速いが精度は低い
ベース：バランスの取れた速度と精度
大きい: 最高の精度だが、より多くのリソースが必要
I/O パフォーマンスを向上させるために一時ファイルに SSD ストレージを使用する
注記
初回実行時にWhisperモデル（約1GB）をダウンロードする必要があります
一時的なオーディオファイル用の十分なディスク容量を確保する
YouTube動画のダウンロードには安定したネットワーク接続が必要です
より高速なオーディオ処理にはGPUを推奨
長い動画の処理にはかなり時間がかかる場合があります
MCP統合ガイド
このサーバーは、次のような MCP 互換クライアントで使用できます。
クロードデスクトップ
カスタムMCPクライアント
その他のMCP対応アプリケーション
MCP の詳細については、モデル コンテキスト プロトコルを参照してください。
ドキュメント
このドキュメントの中国語版については、 README_zh.mdを参照してください。
ライセンス
マサチューセッツ工科大学