Skip to main content
Glama

🎬 VE-MCP:自主 AI 视频剪辑器

Model Context Protocol (MCP) 服务器,用于自动化短视频剪辑、Reels、TikTok、SaaS 产品演示与本地化。

Protocol Python Docker FFmpeg License

英文 • 俄语文档 • 智能体导航 • 清单


⚡ 概述

VE-MCP 为 AI 智能体(Claude Desktop、Cursor、Antigravity、AutoGPT)赋予专业的视频编辑能力。它能将原始屏幕录制、真人口播视频或原始脚本,在单次高性能渲染中转换为可直接发布的 9:16 竖屏视频。

flowchart LR
    A["Raw Footage / Prompt"] --> B["AI Agent + VE-MCP"]
    
    subgraph VE_MCP ["VE-MCP Single-Pass Engine"]
        B --> C["Silence Cutter (auto-editor)"]
        C --> D["Speech-to-Text & Karaoke ASS (faster-whisper)"]
        D --> E["Voicebox / Edge-TTS Voiceover"]
        E --> F["Single-Pass FFmpeg (9:16 + Zooms + EBU R128 Ducking + Subtitles)"]
    end
    
    F --> G["Ready-to-Publish 9:16 MP4 🎉"]

Related MCP server: ViralSpin MCP

🚀 核心特性

  • ✂️ 智能静音移除(cut_silence): 使用 auto-editor 从原始素材中去除犹豫、结巴和停顿。

  • 🗣️ Voicebox 与 Edge-TTS 语音合成(synthesize_speech): 原生集成本地 Voicebox(端口 17493),并无缝降级到 Microsoft Edge Neural TTS(多语言,无需任何 API 密钥)。

  • ✨ 停顿感知卡拉 OK 字幕(generate_karaoke_subtitles): 生成逐词高亮的 .ass 字幕,采用 Montserrat 与 Inter 字体排版,并在语音停顿(>0.35s)处自动断行,避免字幕粘连屏幕。

  • 🎨 专业调色与光影处理(adjust_video_color_and_light): 可通过 AI 调节曝光、对比度、饱和度、伽马、锐度与色温,并提供内置预设(vibrant、clean_screencast、cinematic、warm、cold、high_contrast)。

  • 📐 多格式宽高比转换器(format_video): 单次渲染即可转换为 9:16(Reels/Shorts)、16:9(YouTube 横屏)、1:1(方形帖)、4:5(信息流),可带模糊背景、智能裁剪或信箱黑边。

  • 📱 9:16 竖屏格式化(format_vertical_video): 高品质背景虚化(blur_background)、居中裁剪或留边格式。

  • 👥 分屏 SaaS 演示布局(format_split_screen_demo): 上下双层竖向布局:上方为演讲者,下方为应用录屏,并支持双声道音频混合。

  • 🔍 动态跳跃式推进缩放(apply_jump_zooms): 自动周期性镜头推进,提升观众留存率。

  • 🔊 广电级音频标准化与闪避(add_audio_and_ducking): 音频统一处理到 EBU R128(loudnorm),并应用侧链压缩(有语音时背景音乐自动闪避)。

  • 🎨 叠加层与音效(add_visual_overlay_and_sfx): 添加浮动徽标、Logo 和 UI 提示框,并附带内置音效触发器(pop.wav、whoosh.wav、click.wav)。

  • 🛡️ 自动化 QA 校验器(validate_video_quality): 内置 ffprobe 校验 9:16/16:9 分辨率、音频流健康状态及容器完整性。

  • ⚡ 一键组合流水线: create_reels_from_raw_video 和 create_promo_from_script,集成调色与分级。


🛠️ MCP 工具参考

工具名称

参数

说明

cut_silence

input_path, output_path, margin, threshold

移除原始视频素材中的无声片段和犹豫停顿

synthesize_speech

text, output_path, voice, speed

通过 Voicebox 或 Edge-TTS 生成语音

generate_karaoke_subtitles

media_path, output_path_ass, style, max_pause_sec

词级高亮 .ass 字幕

format_video

input_path, output_path, aspect_ratio, mode, color_preset, ...

转换为 9:16、16:9、1:1、4:5 并套用调色预设

adjust_video_color_and_light

input_path, output_path, preset, brightness, contrast, saturation, sharpness, warmth

AI 可调节曝光、对比度、饱和度、锐度、色温

format_vertical_video

input_path, output_path, mode, color_preset

将视频重构为 9:16 竖屏,带模糊背景

format_split_screen_demo

top_speaker_video, bottom_screencast_video, output_path

组装演讲者 + 录屏分屏布局

apply_jump_zooms

input_path, output_path, zoom_factor, interval_sec

添加周期性冲击缩放,增强节奏感

add_audio_and_ducking

video_path, output_path, voice_path, music_path, music_volume

混合音乐与基于语音驱动的侧链闪避

burn_subtitles_to_video

video_path, ass_path, output_path

用 libass 硬字幕压制 ASS 字幕

add_visual_overlay_and_sfx

video_path, overlay_image_path, output_path, start_time, sfx_path

添加弹窗/徽标并带有音效

validate_video_quality

file_path

QA 工具,检查宽高比、编码器和媒体流

create_reels_from_raw_video

input_video, output_video, aspect_ratio, color_preset, background_music, ...

从原始视频到 Reels 的端到端流水线并带调色

create_promo_from_script

script_text, background_video, output_video, aspect_ratio, color_preset, ...

从脚本 + B-roll 到宣传片的端到端流水线并带调色


📦 使用 Docker 快速开始

1. 构建 Docker 镜像

docker build -t video-editor-mcp:latest .

2. 导出 / 分享给好友

# Save to tar archive:
docker save video-editor-mcp:latest -o video-editor-mcp.tar

# On friend's machine:
docker load -i video-editor-mcp.tar

⚙️ 连接到 AI 助手

Claude Desktop / Cursor / Antigravity

将以下内容添加到你的 MCP 配置文件中(例如 claude_desktop_config.json):

{
  "mcpServers": {
    "video-editor": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-v",
        "C:/Projects/my-videos:/data",
        "--add-host=host.docker.internal:host-gateway",
        "video-editor-mcp:latest"
      ]
    }
  }
}

(将 C:/Projects/my-videos 替换为宿主机上你的视频工作区路径)。

使用 Python 原生运行(不使用 Docker)

pip install -r requirements.txt
python server.py

🤖 AI 智能体如何自动接收指令

服务器连接后,AI 助手会 通过 3 种内置机制 自动接收到所有规则和指令:

  1. 🚀 原生 MCP 协议提示(FastMCP instructions):

    • 客户端连接时,server.go 服务器会在 initialize response 中自动传递系统提示(SERVER_INSTRUCTIONS)。任何现代客户端(Claude Desktop、Cursor、Antigravity、Cline)无需手动配置,即可立刻理解决策树、颜色预设和格式。

  2. 📖 MCP 资源(docs://index、docs://playbook):

    • 服务器提供交互式资源库,包含完整知识库,智能体可随时通过 MCP 协议读取。

  3. 📂 仓库级指令(AGENTS.md、CLAUDE.md、SKILL.md):

    • 在仓库根目录创建了 AGENTS.md、CLAUDE.md 和 .agents/skills/video-editor/SKILL.md 文件。开发环境(Cursor、Antigravity、Claude Code)在打开项目时会自动读取它们。


📚 文档与场景指南


📄 许可证

本项目采用 MIT License 许可。

Related MCP Connectors

Related MCP Servers