Video Transcriber MCP 🚀

Hochleistungs-MCP-Server für Videotranskription mit whisper.cpp (Rust)

Ein Model Context Protocol (MCP)-Server, der Videos von 1000+ Plattformen mit whisper.cpp transkribiert. Gebaut mit Rust für maximale Leistung und Effizienz.

📦 Installation

Homebrew (macOS/Linux) – Empfohlen

Der einfachste Weg, alles mit allen Abhängigkeiten zu installieren:

brew install nhatvu148/tap/video-transcriber-mcp

Dies installiert automatisch das Binary zusammen mit den erforderlichen Abhängigkeiten (cmake, yt-dlp, ffmpeg).

Cargo-Installation

Falls du Rust installiert hast:

cargo install video-transcriber-mcp

Hinweis: Die Abhängigkeiten müssen manuell installiert werden: yt-dlp, ffmpeg, cmake

Vorgefertigte Binaries

Lade sie von GitHub Releases herunter:

# macOS (Intel)
curl -L https://github.com/nhatvu148/video-transcriber-mcp-rs/releases/latest/download/video-transcriber-mcp-x86_64-apple-darwin.tar.gz | tar xz
sudo mv video-transcriber-mcp /usr/local/bin/

# macOS (Apple Silicon)
curl -L https://github.com/nhatvu148/video-transcriber-mcp-rs/releases/latest/download/video-transcriber-mcp-aarch64-apple-darwin.tar.gz | tar xz
sudo mv video-transcriber-mcp /usr/local/bin/

# Linux (x86_64) — no ARM64 Linux build, see issue #13; use `cargo install`
curl -L https://github.com/nhatvu148/video-transcriber-mcp-rs/releases/latest/download/video-transcriber-mcp-x86_64-unknown-linux-gnu.tar.gz | tar xz
sudo mv video-transcriber-mcp /usr/local/bin/

# Windows: Download .zip from releases page

Hinweis: Die Abhängigkeiten müssen manuell installiert werden: yt-dlp, ffmpeg

Claude-Code-Plugin

Installiert den MCP-Server und einen /transcribe-Skill in einem Schritt:

/plugin marketplace add nhatvu148/video-transcriber-mcp-rs
/plugin install video-transcriber@nhatvu148-tools

Das Plugin registriert den MCP-Server für dich, installiert aber nicht das Binary – führe zuerst einen der obigen Installationsbefehle aus, damit video-transcriber-mcp in deinem PATH liegt.

Related MCP server: Video Transcriber MCP Server

🎯 Warum Rust?

Diese Version verwendet whisper.cpp (C++-Implementierung mit Rust-Bindings) statt Python-OpenAI-Whisper:

Die tatsächliche Leistung hängt von deiner Hardware, der Videolänge und dem gewählten Modell ab.

✨ Funktionen

• 🚀 Hochleistungstranskription mit whisper.cpp (C++ mit Rust-Bindings)

• 🎥 Download von 1000+ Plattformen (YouTube, Vimeo, TikTok, Twitter, usw.)

• 📂 Transkription lokaler Videodateien (mp4, avi, mov, mkv, usw.)

• 🎤 100 % Offline-Transkription (Privatsphäre an erster Stelle)

• 🎛️ 5 Modellgrößen (tiny, base, small, medium, large)

• 🌐 90+ Sprachen unterstützt

• 📝 Mehrere Ausgabeformate (TXT, JSON, Markdown)

• 🔌 MCP-Integration für Claude Code

• 🌐 Doppelter Transport – stdio (lokal) und Streamable HTTP (remote)

• ⚡ Natives Binary – kein Python oder Node.js nötig

• 💾 Geringerer Speicherfuß im Vergleich zu Python-Implementierungen

⚡ Schnellstart (mit Taskfile)

Der schnellste Weg zum Loslegen:

# 1. Install Task (if not already installed)
brew install go-task/tap/go-task

# 2. Complete setup (build + download model)
task setup

# 3. Run a quick test
task test:quick

# Done! 🎉

Verfügbare Befehle:

task setup           # Complete project setup
task test:quick      # Test with short video
task benchmark       # Run performance benchmark
task deps:check      # Check dependencies
task download:base   # Download base model
task help            # Show all commands

Für alle verfügbaren Aufgaben siehe Taskfile.yml.

🌐 Transportmodi unter

Der Server unterstützt zwei Transportmodi:

Stdio-Transport (Standard)

Standard-I/O-Transport für lokale CLI-Nutzung mit Claude Code. Dies ist der Standardmodus.

video-transcriber-mcp
# or explicitly:
video-transcriber-mcp --transport stdio

Streamable HTTP-Transport

HTTP-Transport für Remote-Zugriff. Ohne Netzwerkzugriff auf den MCP-Server.

# Start HTTP server on default port (8080)
video-transcriber-mcp --transport http

# Custom host and port
video-transcriber-mcp --transport http --host 0.0.0.0 --port 3000

Remote-MCP-Client-Konfiguration:

Konfiguriere für den HTTP-Transport deinen MCP-Client mit:

{
  "mcpServers": {
    "video-transcriber-mcp": {
      "url": "http://localhost:8080/mcp"
    }
  }
}

Vorteile des HTTP-Transports:

• Keine lokale Installation für Clients nötig

• Zentrale Server-Bereitstellung

• Automatische Updates (serverseitig)

• Besser für Teams

• Kompatibel mit Serverless-Plattformen

Kommandozeilenoptionen

video-transcriber-mcp --help

Options:
  -t, --transport <TRANSPORT>  Transport mode [default: stdio] [possible values: stdio, http]
      --host <HOST>            Host address for HTTP transport [default: 127.0.0.1]
  -p, --port <PORT>            Port for HTTP transport [default: 8080]
  -h, --help                   Print help
  -V, --version                Print version

📦 Manuelles Erstellen aus dem Quellcode

Voraussetzungen

1. Rust (1.85+ für die Rust-2024-Edition)

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

2. yt-dlp (für das Herunterladen von Videos)

# macOS
brew install yt-dlp

# Linux
pip install yt-dlp

# Windows
winget install yt-dlp.yt-dlp

3. FFmpeg (für die Audio-Verfahren)

# macOS
brew install ffmpeg

# Linux
sudo apt install ffmpeg  # Debian/Ubuntu
sudo dnf install ffmpeg  # Fedora

# Windows
choco install ffmpeg

Aus dem Quellcode erstellen

# Clone the repository
git clone https://github.com/nhatvu148/video-transcriber-mcp-rs.git
cd video-transcriber-mcp-rs

# Build the project
cargo build --release

# The binary will be at: target/release/video-transcriber-mcp-rs

Whisper-Modelle herunterladen

# Download base model (recommended for testing)
bash scripts/download-models.sh base

# Or download all models
bash scripts/download-models.sh all

Modelle werden in ~/.cache/video-transcriber-mcp/models/ gespeichert.

🚀 Schnellstart

MCP-Server (für Claude Code)

In ~/.claude/settings.json hinzufügen:

Option 1: Wenn über GitHub Release oder cargo install installiert:

{
  "mcpServers": {
    "video-transcriber-mcp": {
      "command": "video-transcriber-mcp",
      "args": [],
      "env": {
        "RUST_LOG": "info"
      }
    }
  }
}

Option 2: Wenn aus dem Quellcode erstellt:

{
  "mcpServers": {
    "video-transcriber-mcp": {
      "command": "/absolute/path/to/video-transcriber-mcp-rs/target/release/video-transcriber-mcp",
      "args": [],
      "env": {
        "RUST_LOG": "info"
      }
    }
  }
}

Verwendung in Claude Code:

Einfache Transkription (verwendet standardmäßig das base-Modell):

Please transcribe this YouTube video: https://www.youtube.com/watch?v=VIDEO_ID

Mit bestimmten Modell transkripren:

Transcribe this video using the large model for best accuracy:
https://www.youtube.com/watch?v=VIDEO_ID

Lokale Videodatei transkrip:

Transcribe this local video file: /Users/myname/Videos/meeting.mp4

In bestimmter Sprache transkrip:

Transcribe this Spanish video: https://www.youtube.com/watch?v=VIDEO_ID
(language: es, model: medium)

📊 Leistung

Erwartete Leistungsmerkmale

Basierend auf Community-whisper.cpp vs. OpenAI-Whisper-Benchmark:

Transkriptionsgeschwindigkeit (ungefähr, hardwareabhängig):

• whisper.cpp ist normal 2-6x schneller als Python-Whisper

• Schnellere Startzeit (kein Overhead)

• Durchhöhereierer Speicher-Fußdruck

Faktoren aus der realen Welt, die die Leistung beeinflussen:

• CPU: Mehr Kerne = schnellere Verarbeitung

• Modellgröße: Tiny ist schnell, Large am langsamsten aber am genauesten

• Videok Länge: Länger Videos brauchen proportional mehr Zeit

• Audio-Komplexität: Klare Sprache wird schneller transkrip als verrauschtes Audio

Helfe mit?

Wir sammeln reale Benchmark-Daten! Falls du beide Versionen ausführst, gib uns Bescheid:

• Hardware-Spezifikationen (CPU, RAM)

• Getestete Videolänge

• Verwendetes Modell

• Aufgewendete Zeit pro Version

Öffne ein Issue mit deinen Benchmark-Ergebnissen – so hilfst du diesen Abschnitt zu verbessern!

🎛️ Modellvergleich

🌍 Unterstützte Plattformen

Dank yt-dlp werden 1000+ Video-Plattformen unterstützt, darunter:

• Soziale Medien: YouTube, TikTok, Twitter/X, Facebook, Instagram, Reddit

• Video-Hosting: Vimeo, Dailymotion, Twitch

• Bildung: Coursera, Udemy, Khan Academy, edX

• Nachrichten: BBC, CNN, NBC, PBS

• und über 1000 mehr!

📝 Ausgabeformat

Für jedes Video werden drei Dateien in ~/Downloads/video-transcripts/ erzeugt:

video-id-title.txt   # Plain text transcript
video-id-title.json  # JSON with metadata and timestamps
video-id-title.md    # Markdown with video info

Beispielausgabe

# How to Build Fast Software

**Video:** https://www.youtube.com/watch?v=example
**Platform:** YouTube
**Channel:** Tech Channel
**Duration:** 600s

---

## Transcript

The key to building fast software is understanding...

---

*Transcribed using whisper.cpp (Rust) - Model: base*

🔧 Konfiguration

Umgebungsvariablen

Alle Umgebungsvariablen sind optional. Der Transkripter funktioniert auch ohne gesetzte Variablen. Sie ermöglichen Authentifizierung, Remote-Transkription, KI-Zusammenfassungen und die kostenpflichtige HTTP-API.

💡 Das Ausgabeverzeichnis für Transkripte ist keine Umgebungsvariable – übergebe output_dir an das Tool transcribe_video (Standard: ~/Downloads/video-transcripts). Ausgabedateien sind <video_id>-<title>.{txt,json,md} benannt.

Remote-MCP-Zugriff (--transport http)

Der HTTP-Transport antwortet nur auf Anfragestellungen, deren Host-Header auf einer Allowlist steht. Standard ist auf Loopback (localhost, 127.0.0.1, ::1) gesetzt als Schutz gegen ```` dns-rebinding]], d.h. eine bereitgestellte Instanz lehnt den öffentlichen Hostnamen mit 403 ab, solange du ihn nicht benennst:

# Comma-separated. Added on top of the loopback defaults, so local
# development and health checks keep working.
export MCP_ALLOWED_HOSTS=mcp.example.com,mcp.example.com:8080

# On Fly:
fly secrets set MCP_ALLOWED_HOSTS=your-app.fly.dev

Lass sie für den lokalen Zugriff ungesetzt – der Server protokolliert beim Start, welche Hosts er akzeptiert; dadurch ist ein 403 eines Remote-Clients leicht zu erkennen.

⚠️ Das steuert Erreichbarkeit, nicht Autorisierung. Jeder, der die URL erreichen kann, kann die Tools verwenden, einschließlich transcribe_video – das echtes Geld ausgibt, wenn Remote Whisper / OpenRouter eingerichtet sind. Setze vor der öffentlichen Instanz einen authentifizierenden Proxy.

Downloads (yt-dlp-Cookies)

Nur erforderlich für altersbeschränkte/ exklusive Videos oder bei YouTube „Zum Bestätigen, dass du kein Bot bist, anmelden“.

# Option 1 (preferred on headless / Linux): a Netscape-format cookies file.
# Export it however you like — e.g. a QR-login flow — then point at it.
export YT_DLP_COOKIES=/path/to/cookies.txt

# Option 2: read cookies straight from a logged-in local browser.
# One of: chrome, brave, edge, firefox, safari, chromium, opera, vivaldi.
# Ignored when YT_DLP_COOKIES is set.
export YT_DLP_COOKIES_FROM_BROWSER=chrome

Remote-Whisper (Transkription auslagern)

# POST audio to a remote HTTP worker (e.g. a serverless GPU) instead of
# running whisper-rs locally. Endpoint must accept multipart {audio, model,
# language} and return JSON {transcript, segments[], language, duration_s}.
export REMOTE_WHISPER_URL=https://your-worker.example.com/transcribe

🧪 Development

Build

# Debug build
cargo build

# Release build (optimized)
cargo build --release

# Run tests
cargo test

# Run with logging
RUST_LOG=debug cargo run -- --url "https://youtube.com/watch?v=example"

Projektstruktur

src/
├── main.rs           # CLI + transport selection (stdio / streamable HTTP)
├── lib.rs            # public API for embedders
├── mcp/              # MCP server: tool definitions and handlers
├── transcriber/      # the pipeline: yt-dlp → ffmpeg → whisper.cpp
├── embeddings.rs     # passage embeddings, used by `search_transcripts`
└── utils/            # paths

Dieses Crate stellt selbst nur die Repro Pipeline und seine MCP-Oberfläche. Das daruf aufbauende Produkt – REST-API, Konten, Credits, Zahlungen, KI-Zusammenfassungen und Diagramme – befindet sich in einem separaten privaten Crate, das dieses als lib verwendet. Mit System: cargo install video-transcriber-mcp bekommst du also einen Transkriptionsserver und nicht ein fremdes SaaS-Backend.

🤝 Contributing

Beiträge sind willkommen! Bitte:

1. Fork the repository Fork das Repository

2. Erstelle einen Feature-Branch

3. Nimm deine Änderungen vor

4. Wenn möglich, füge Tests hinzu

5. Eröffne einen Pull Request

Lizenz

MIT-Lizenz – siehe LICENSE

Danksagung

• whisper.cpp – Schnelle C++-Implementierung von Whisper

• whisper-rs – Rust-Bindings für whisper.cpp

• yt-dlp – Video-Downloader für 1000+ Plattformen

• OpenAI Whisper – Ursprüngliches speech-recognition model

• Model Context Protocol SDK – Rust-SDK für MCP

🆚 Vergleich mit der TypeScript-Version

Ich baute das ursprüngliche video-transcriber-mcp in TypeScript. Hier ist das, warum ich auch in Rust neu machen:

Die Rust-Version ist sofort einsatzbereit und deutlich effizienter!

🔗 Links

• GitHub Repository

• TypeScript-Version

• Model Context Protocol

• whisper.cpp

Lizenz

Lizenziert wahlweise unter

• MIT-Lizenz (LICENSE-MIT)

• Apache License, Version 2.0 (LICENSE-APACHE)

in deiner Wahl.

Contribution

Sofern du nichts anderes ausdrücklich vorhanden ist, wird jeder bewusst für die Aufnahme in dieses Projekt eingereichte Beitrag, wie in der Apache-2.0-Lizenz definiert, unter den oben genannten Bedingungen doppelt lizenziert (dual licensed) – ohne zusätzliche Vertragsbedingungen.

Mit ❤️ in Rust gebaut, für maximale Leistung

MCP-Registry-Eigentümerschaft-Token – crates.io entfernt HTML-Kommentare, daher muss diese Zeile sichtbar bleiben:

MCP-Name: io.github.nhatvu148/video-transcriber-mcp