Creador de vídeos cortos MCP

Descripción

Una herramienta de código abierto para la creación automatizada de videos cortos. Short Video Maker combina conversión de texto a voz, subtítulos automáticos, videos de fondo y música para crear atractivos videos cortos con texto simple.

Este proyecto busca ofrecer una alternativa gratuita a la generación de video, que consume mucha energía de la GPU (y a las costosas llamadas a API de terceros). No genera un video desde cero a partir de una imagen ni de un mensaje de imagen.

El repositorio fue creado en código abierto por el canal de YouTube AI Agents AZ . Te invitamos a visitar el canal para ver más contenido y tutoriales relacionados con la IA.

El servidor expone un MCP y un servidor REST.

Si bien el servidor MCP se puede utilizar con un agente de IA (como n8n), los puntos finales REST brindan más flexibilidad para la generación de video.

Puede encontrar ejemplos de flujos de trabajo n8n creados con el servidor REST/MCP en este repositorio .

Tabla de contenidos

Tutorial con n8n

Ejemplos

Características

Generar vídeos cortos completos a partir de indicaciones de texto
Conversión de texto a voz
Generación y estilo automáticos de subtítulos
Búsqueda y selección de vídeos de fondo a través de Pexels
Música de fondo con selección de género/estado de ánimo
Actuar como API REST y servidor de Protocolo de contexto de modelo (MCP)

Cómo funciona

Shorts Creator toma entradas de texto simples y términos de búsqueda y luego:

Convierte texto a voz usando Kokoro TTS
Genera subtítulos precisos a través de Whisper
Encuentra vídeos de fondo relevantes en Pexels.
Compone todos los elementos con Remotion
Genera un video corto de aspecto profesional con subtítulos perfectamente sincronizados.

Limitaciones

El proyecto solo es capaz de generar vídeos con voz en off en inglés (kokoro-js no admite otros idiomas en este momento)
Los vídeos de fondo provienen de Pexels.

Requisitos generales

Internet
clave API de Pexels gratuita
≥ 3 GB de RAM libre, mi recomendación es 4 GB de RAM
≥ 2 vCPU
≥ 5 GB de espacio en disco

NGP

Aunque Docker es el método recomendado para ejecutar el proyecto, también puedes hacerlo con npm o npx. Además de los requisitos generales, se requiere lo siguiente para ejecutar el servidor.

Plataformas compatibles

Ubuntu ≥ 22.04 (libc 2.5 para Whisper.cpp)
- Paquetes necesarios: git wget cmake ffmpeg curl make libsdl2-dev libnss3 libdbus-1-3 libatk1.0-0 libgbm-dev libasound2 libxrandr2 libxkbcommon-dev libxfixes3 libxcomposite1 libxdamage1 libatk-bridge2.0-0 libpango-1.0-0 libcairo2 libcups2
Sistema operativo Mac
- ffmpeg ( brew install ffmpeg )
- node.js (probado en 22+)

Windows NO es compatible en este momento (la instalación de whipper.cpp falla ocasionalmente).

Conceptos

Escena

Cada vídeo se compone de varias escenas. Estas escenas constan de

Texto: Narración, el texto que el TTS leerá y a partir del cual creará subtítulos.
Términos de búsqueda: Las palabras clave que el servidor debe usar para encontrar videos de la API de Pexels. Si no se encuentra ninguna, se usan términos comodín ( nature , globe , space , ocean ).

Empezando

Docker (recomendado)

Hay tres imágenes de Docker para tres casos de uso diferentes. En general, la mayoría de las veces conviene configurar la imagen tiny .

Diminuto

Utiliza el modelo tiny.en whisper.cpp
Utiliza el modelo kokoro cuantificado q4
CONCURRENCY=1 para superar errores OOM provenientes de Remotion con recursos limitados
VIDEO_CACHE_SIZE_IN_BYTES=104857600 (100mb) para superar errores OOM provenientes de Remotion con recursos limitados

docker run -it --rm --name short-video-maker -p 3123:3123 -e LOG_LEVEL=debug -e PEXELS_API_KEY= gyoridavid/short-video-maker:latest-tiny

Normal

Utiliza el modelo base.en whisper.cpp
Utiliza el modelo fp32 kokoro
CONCURRENCY=1 para superar errores OOM provenientes de Remotion con recursos limitados
VIDEO_CACHE_SIZE_IN_BYTES=104857600 (100mb) para superar errores OOM provenientes de Remotion con recursos limitados

docker run -it --rm --name short-video-maker -p 3123:3123 -e LOG_LEVEL=debug -e PEXELS_API_KEY= gyoridavid/short-video-maker:latest

Cuda

Si posee una GPU Nvidia y desea utilizar un modelo Whisper más grande con aceleración de GPU, puede usar la imagen Docker optimizada para CUDA.

Utiliza el modelo medium.en whisper.cpp (con aceleración de GPU)
Utiliza el modelo fp32 kokoro
CONCURRENCY=1 para superar errores OOM provenientes de Remotion con recursos limitados
VIDEO_CACHE_SIZE_IN_BYTES=104857600 (100mb) para superar errores OOM provenientes de Remotion con recursos limitados

docker run -it --rm --name short-video-maker -p 3123:3123 -e LOG_LEVEL=debug -e PEXELS_API_KEY= --gpus=all gyoridavid/short-video-maker:latest-cuda

Docker Compose

Podrías usar Docker Compose para ejecutar n8n u otros servicios y quieres combinarlos. Asegúrate de añadir la red compartida a la configuración del servicio.

version: "3"

services:
  short-video-maker:
    image: gyoridavid/short-video-maker:latest-tiny
    environment:
      - LOG_LEVEL=debug
      - PEXELS_API_KEY=
    ports:
      - "3123:3123"
    volumes:
	    - ./videos:/app/data/videos # expose the generated videos

Si está utilizando el kit de inicio de IA autohospedado, desea agregar networks: ['demo'] al servicio** short-video-maker para poder acceder a él con http://short-video-maker:3123 en n8n.

Interfaz web

@mushitori creó una interfaz web para generar los videos desde su navegador.

Puedes cargarlo en http://localhost:3123

Variables de entorno

🟢 Configuración

llave	descripción	por defecto
CLAVE DE API DE PEXELS	su clave API de Pexels (gratuita)
NIVEL DE REGISTRO	nivel de registro de pino	información
SUSURRO_VERBOSO	Si la salida de whisper.cpp debe enviarse a stdout	FALSO
PUERTO	el puerto en el que escuchará el servidor	3123

⚙️ Configuración del sistema

llave	descripción	por defecto
PRECISIÓN DEL MODELO KOKORO	El tamaño del modelo Kokoro a utilizar. Las opciones válidas son `fp32` , `fp16` , `q8` , `q4` y `q4f16`	Depende, mira las descripciones de las imágenes de Docker arriba ^^
CONCURRENCIA	La concurrencia se refiere a cuántas pestañas del navegador se abren en paralelo durante un renderizado. Cada pestaña de Chrome renderiza el contenido web y luego lo captura. Ajustar este valor facilita la ejecución del proyecto con recursos limitados.	Depende, mira las descripciones de las imágenes de Docker arriba ^^
TAMAÑO DE CACHÉ DE VIDEO EN BYTES	Caché para Marcos en Remotion. Ajustar este valor facilita la ejecución del proyecto con recursos limitados.	Depende, mira las descripciones de las imágenes de Docker arriba ^^

⚠️ Zona de peligro

llave	descripción	por defecto
MODELO SUSURRO	Qué modelo whisper.cpp usar. Las opciones válidas son `tiny` , `tiny.en` , `base` , `base.en` , `small` , `small.en` , `medium` , `medium.en` , `large-v1` , `large-v2` , `large-v3` y `large-v3-turbo`	Depende. Consulta las descripciones de las imágenes de Docker más arriba. Para npm, la opción predeterminada es `medium.en`
RUTA DEL DIRECTORIO DE DATOS	el directorio de datos del proyecto	`~/.ai-agents-az-video-generator` con npm, `/app/data` en las imágenes de Docker
ESTIBADOR	si el proyecto se está ejecutando en un contenedor Docker	`true` para las imágenes de Docker, de lo contrario `false`
DESARROLLO	¡adivinar! :)	`false`

Opciones de configuración

llave	descripción	por defecto
acolchado trasero	La pantalla final, durante cuánto tiempo debe seguir reproduciéndose el vídeo una vez finalizada la narración (en milisegundos).	0
música	El ambiente de la música de fondo. Obtenga las opciones disponibles desde el punto final GET `/api/music-tags` .	aleatorio
TítuloPosición	Posición donde se deben mostrar los subtítulos. Opciones posibles: `top` , `center` , `bottom` . Valor predeterminado.	`bottom`
TítuloColor de fondo	El color de fondo del elemento de título activo.	`blue`
voz	La voz de Kokoro.	`af_heart`
orientación	Orientación del vídeo. Las opciones son `portrait` y `landscape`	`portrait`

Uso

Servidor MCP

URL del servidor

/mcp/sse

/mcp/messages

Herramientas disponibles

create-short-video Crea un video corto. El LLM determinará la configuración correcta. Si desea usar una configuración específica, debe especificarla en el mensaje.
get-video-status Algo inútil, está destinado a verificar el estado del video, pero como los agentes de IA no son muy buenos con el concepto de tiempo, probablemente terminarás usando la API REST para eso de todos modos.

API REST

OBTENER `/health`

Punto final de comprobación de estado

curl --location 'localhost:3123/health'

{
    "status": "ok"
}

POST `/api/short-video`

curl --location 'localhost:3123/api/short-video' \
--header 'Content-Type: application/json' \
--data '{
    "scenes": [
      {
        "text": "Hello world!",
        "searchTerms": ["river"]
      }
    ],
    "config": {
      "paddingBack": 1500,
      "music": "chill"
    }
}'

{
    "videoId": "cma9sjly700020jo25vwzfnv9"
}

OBTENER `/api/short-video/{id}/status`

curl --location 'localhost:3123/api/short-video/cm9ekme790000hysi5h4odlt1/status'

{
    "status": "ready"
}

OBTENER `/api/short-video/{id}`

curl --location 'localhost:3123/api/short-video/cm9ekme790000hysi5h4odlt1'

Respuesta:los datos binarios del vídeo.

OBTENER `/api/short-videos`

curl --location 'localhost:3123/api/short-videos'

{
    "videos": [
        {
            "id": "cma9wcwfc0000brsi60ur4lib",
            "status": "processing"
        }
    ]
}

ELIMINAR `/api/short-video/{id}`

curl --location --request DELETE 'localhost:3123/api/short-video/cma9wcwfc0000brsi60ur4lib'

{
    "success": true
}

OBTENER `/api/voices`

curl --location 'localhost:3123/api/voices'

[
    "af_heart",
    "af_alloy",
    "af_aoede",
    "af_bella",
    "af_jessica",
    "af_kore",
    "af_nicole",
    "af_nova",
    "af_river",
    "af_sarah",
    "af_sky",
    "am_adam",
    "am_echo",
    "am_eric",
    "am_fenrir",
    "am_liam",
    "am_michael",
    "am_onyx",
    "am_puck",
    "am_santa",
    "bf_emma",
    "bf_isabella",
    "bm_george",
    "bm_lewis",
    "bf_alice",
    "bf_lily",
    "bm_daniel",
    "bm_fable"
]

OBTENER `/api/music-tags`

curl --location 'localhost:3123/api/music-tags'

[
    "sad",
    "melancholic",
    "happy",
    "euphoric/high",
    "excited",
    "chill",
    "uneasy",
    "angry",
    "dark",
    "hopeful",
    "contemplative",
    "funny/quirky"
]

Solución de problemas

Estibador

El servidor necesita al menos 3 GB de memoria libre. Asegúrate de asignar suficiente RAM a Docker.

Si ejecuta el servidor desde Windows y mediante wsl2, debe configurar los límites de recursos desde la utilidad wsl 2 ; de lo contrario, configúrelo desde Docker Desktop. (Ubuntu no restringe los recursos a menos que se especifique con el comando de ejecución).

NGP

Asegúrese de que todos los paquetes necesarios estén instalados.

n8n

La configuración del servidor MCP (o REST) depende de cómo se ejecute n8n y del servidor. Siga los ejemplos de la matriz a continuación.

|n8n se está ejecutando localmente, usando n8n start|n8n se ejecuta localmente usando Docker|n8n se ejecuta en la nube| |---|---|---|---| |short-video-maker se ejecuta en Docker, localmente|http://localhost:3123|Depende. Técnicamente, puedes usar http://host.docker.internal:3123 ya que apunta al host, pero podrías configurarlo para usar la misma red y usar el nombre del servicio para comunicarse, como http://short-video-maker:3123|No funcionará: implemente short-video-maker en la nube| |short-video-maker se ejecuta con npm/npx|http://localhost:3123|http://host.docker.internal:3123|No funcionará: implemente short-video-maker en la nube| |short-video-maker se ejecuta en la nube|Debes usar tu dirección IP http://{YOUR_IP}:3123|Debes usar tu dirección IP http://{YOUR_IP}:3123|Debes usar tu dirección IP http://{YOUR_IP}:3123|

Implementación en la nube

Si bien cada proveedor de VPS es diferente y es imposible brindar configuración a todos ellos, aquí hay algunos consejos.

Utilice Ubuntu ≥ 22.04
Tener ≥ 4 GB de RAM, ≥ 2 vCPU y ≥ 5 GB de almacenamiento
Utilice pm2 para ejecutar/administrar el servidor
Coloque las variables de entorno en el archivo .bashrc (o similar)

Preguntas frecuentes

¿Puedo utilizar otros idiomas? (Francés, alemán, etc.)

Lamentablemente, no es posible en este momento. Kokoro-js solo admite inglés.

¿Puedo pasar imágenes y vídeos y unirlos?

¿Debo ejecutar el proyecto con `npm` o `docker` ?

Docker es la forma recomendada de ejecutar el proyecto.

¿Cuánta GPU se utiliza para la generación de vídeo?

Honestamente, no mucho: solo whisper.cpp se puede acelerar.

Remotion consume muchos recursos de la CPU y Kokoro-js se ejecuta en la CPU.

¿Existe una interfaz de usuario que pueda usar para generar los videos?

Aún no)

¿Puedo seleccionar una fuente diferente a Pexels para los videos o proporcionar mi propio video?

¿Puede el proyecto generar vídeos a partir de imágenes?

Dependencias para la generación de vídeo

Dependencia	Versión	Licencia	Objetivo
Remoción	^4.0.286	Licencia de Remota	Composición y renderizado de vídeo
Susurro CPP	versión 1.5.5	Instituto Tecnológico de Massachusetts (MIT)	Conversión de voz a texto para subtítulos
FFmpeg	^2.1.3	Licencia pública general (LGPL)/licencia pública general (GPL)	Manipulación de audio y vídeo
Kokoro.js	^1.2.0	Instituto Tecnológico de Massachusetts (MIT)	Generación de texto a voz
API de Pexels	N / A	Términos de Pexels	Vídeos de fondo

¿Cómo colaborar?

Se aceptan solicitudes de colaboración. Consulte el archivo CONTRIBUTING.md para obtener instrucciones sobre cómo configurar un entorno de desarrollo local.

Licencia

Este proyecto está licenciado bajo la licencia MIT .

Expresiones de gratitud

❤️ Remota para la generación programática de vídeos
❤️ Susurro para voz a texto
❤️ Pexels para contenido de video
❤️ FFmpeg para procesamiento de audio/video
❤️ Kokoro para TTS

Integrations

Descripción

Tabla de contenidos

Empezando

Uso

Información

Tutorial con n8n

Ejemplos

Características

Cómo funciona

Limitaciones

Requisitos generales

NGP

Plataformas compatibles

Conceptos

Escena

Empezando

Docker (recomendado)

Diminuto

Normal

Cuda

Docker Compose

Interfaz web

Variables de entorno

🟢 Configuración

⚙️ Configuración del sistema

⚠️ Zona de peligro

Opciones de configuración

Uso

Servidor MCP

URL del servidor

Herramientas disponibles

API REST

OBTENER /health

POST /api/short-video

OBTENER /api/short-video/{id}/status

OBTENER /api/short-video/{id}

OBTENER /api/short-videos

ELIMINAR /api/short-video/{id}

OBTENER /api/voices

OBTENER /api/music-tags

Solución de problemas

Estibador

NGP

n8n

Implementación en la nube

Preguntas frecuentes

¿Puedo utilizar otros idiomas? (Francés, alemán, etc.)

¿Puedo pasar imágenes y vídeos y unirlos?

¿Debo ejecutar el proyecto con npm o docker ?

¿Cuánta GPU se utiliza para la generación de vídeo?

¿Existe una interfaz de usuario que pueda usar para generar los videos?

¿Puedo seleccionar una fuente diferente a Pexels para los videos o proporcionar mi propio video?

¿Puede el proyecto generar vídeos a partir de imágenes?

Dependencias para la generación de vídeo

¿Cómo colaborar?

Licencia

Expresiones de gratitud

Related MCP Servers

MCP Grareco

FFmpeg-MCP Server

MCP Video Generation with Veo2

imagen3-mcp

Appeared in Searches

New MCP Servers

OBTENER `/health`

POST `/api/short-video`

OBTENER `/api/short-video/{id}/status`

OBTENER `/api/short-video/{id}`

OBTENER `/api/short-videos`

ELIMINAR `/api/short-video/{id}`

OBTENER `/api/voices`

OBTENER `/api/music-tags`

¿Debo ejecutar el proyecto con `npm` o `docker` ?