Remotion Video Production MCP Server

世界最高水準のModel Context Protocol（MCP）サーバーです。AIエージェントが音声ビートを解析し、Google Gemini TTSで音声を合成し、Remotion（v4.0+） と React を用いてプロフェッショナルな動画をプログラム的に構築・レンダリングできるようにする、インテリジェントな橋渡し役として機能します。

🚀 主な機能

• 🎬 プログラム的スキャフォールディング: ゼロ設定のReact/Remotionビデオプロジェクトを、組み込みのアスペクト比（TikTok/Reels（tiktok-916）、YouTube（youtube-169）、Social（social-11））で作成します。

• 🎙️ Gemini 3.1 Flash TTS統合: リージョナルアクセントを備えた高忠実度のシーン会話音声を生成し、動的な字幕用の単語レベルタイムコードを出力します。

• 🎵 Librosaオーディオビート同期: 背景音楽を解析し、BPM、ビート境界、RMSエネルギーの低下／上昇を抽出して、フレーム精度のシーンカットを提案します。

• 📸 ビジュアルプレビュースナップショット: 任意のフレームインデックスでフレームスナップショット（PNG/JPEG/WebP）を即時レンダリングし、AIによる視覚検証を可能にします。

• ⚡ ヘッドレスレンダリング: マルチコアの並行制御と進捗トラッキングを備えつつ、高品質のMP4/WebM動画をプログラム的にコンパイルします。

🛠️ 前提条件

このMCPサーバーを実行して動画をレンダリングするには、ホスト環境に以下が必要です。

1. Node.js（v18.0.0以上）とnpm。

2. Python 3（v3.10+推奨）と、以下のパッケージがインストールされていること：

   pip install librosa numpy scipy google-genai

3. Remotionのブラウザ依存関係: ヘッドレスChromeを起動するにはChromiumが必要です。CLIでインストールしてください：

   npx remotion browser ensure

📦 ワンコマンド即時セットアップ（推奨）

以下の単一のコマンドをターミナルにコピー＆ペーストしてください。Git、Node.js、npm、またはPythonが存在しない場合でも、スクリプトが自動的にそれらをインストールします！

🍎 macOS / Linux（ターミナル）

curl -fsSL https://raw.githubusercontent.com/ivalenzuela/remotion-mcp-server/main/autoinstall.sh | bash

🪟 Windows（PowerShell）

iwr -useb https://raw.githubusercontent.com/ivalenzuela/remotion-mcp-server/main/autoinstall.ps1 | iex

手動介入ゼロ: このスクリプトは、欠落している前提条件（Git、Node.js、npm、Python 3）を自動検出し、Homebrew / Winget / Chocolatey経由でインストールします。続けて、Antigravity（.gemini/、.antigravity-ide/、.antigravity/）、Claude Desktop、およびシステムの全パスをスキャンし、Pythonのオーディオ依存関係をインストールし、Chromiumの準備を確認し、SKILLとMCPサーバーをシームレスに連携させます。

🛠️ 手動インストール（代替手段）

1. サーバーをコンピュールする：

   git clone https://github.com/ivalenzuela/remotion-mcp-server.git
   cd remotion-mcp-server
   node install.js

2. AIクライアントに登録する

サーバー設定をMCP設定ファイル（例：claude_desktop_config.json、antigravity.json、.mcp.json）に追加します：

{
  "mcpServers": {
    "remotion": {
      "command": "node",
      "args": ["/path/to/remotion-mcp-server/dist/index.js"],
      "env": {
        "GEMINI_API_KEY": "YOUR_GEMINI_API_KEY_HERE"
      }
    }
  }
}

🤖 利用可能なMCPツール

1. remotion_scaffold_project

React/Remotionの完全なプロジェクトを、プリビルド済みテンプレートと標準レイアウトコンポーネントを使ってスキャフォールドし、npmの依存関係を自動的にインストールします。

• 引数:

  • projectName（string, 必須）: ターゲットプロジェクトのフォルダ名。

  • template（enum: tiktok-916, youtube-169, social-11, 必須）: アスペクト比。

  • targetDir（string, 必須）: プロジェクトを作成する親ディレクトリのパス。

2. remotion_analyze_audio

Python Librosaを使用して音声ファイルの信号処理を行い、BPM、ビートフレーム、エネルギープロファイル、推奨シーンカットのフレーム番号を返し、SRT字幕を同期させます。

• 引数:

  • audioPath（string, 必須）: 入力オーディオトラックへのパス。

  • srtPath（string, 任意）: SRT字幕ファイルへのパス。

  • outputPath（string, 任意）: 出力JSON解析結果の保存先パス。

  • fps（number, デフォルト 30）: 対象コンポジションのフレームレート。

  • minSceneDuration（number, デフォルト 3.5）: シーンカット間の最小秒数。

3. remotion_generate_tts

Google Gemini 3.1 Flash TTS（gemini-3.1-flash-tts-preview）を使用して音声を合成し、文字反映済みの単語レベルタイムコードを出力します。GEMINI_API_KEY がない場合は、クリーンな合成済み音声に自動的にフォールバックします。

• 引数:

  • text（string, 必須）: 合成するダイアログテキスト。

  • outputPath（string, 必須）: 生成される .wav ファイルの保存先パス。

  • voice（string, デフォルト "Puck"）: Geminiのプリビルド音声名。

  • accent（string, 任意）: オプションの地域アクセント指示。

  • fps（number, デフォルト 30）: フレームレート。

4. remotion_preview_frame

RemotionのCLIを使用して、コンポジション内の特定のフレームの静止スナップショット画像（PNG/JPEG/WebP）をレンダリングします。

• 引数:

  • projectDir（string, 必須）: Remotionプロジェクトへのパス。

  • compositionId（string, 必須）: 対象のコンポジションID。

  • frame（number, デフォルト 0）: キャプチャするフレームインデックス。

  • imageFormat（enum: png, jpeg, webp, デフォルト png）: 画像フォーマット。

  • props（object, 任意）: 入力React props。

5. remotion_render_video

コンポジションをプロダクショングレードの動画（MP4/WebM）にコンパイルします。

• 引数:

  • projectDir（string, 必須）: Remotionプロジェクトへのパス。

  • compositionId（string, 必須）: 対象のコンポジションID。

  • outputPath（string, 任意）: 出力動画のパス。

  • concurrency（number/string, デフォルト "auto"）: 使用するCPUスレッド数。

  • codec（string, デフォルト "h264"）: 対象コーデック。

  • props（object, 任意）: React props。

🎨 プリビルドReactコンポーネント

スキャフォールドされたプロジェクトには、以下の実装レディなレイアウトコンポーネントが含まれています。

1. SubtitleOverlay: 二重字幕向けの、単語ごとのアクティブ拡大表示とカスタムテキストシャドウグロー（「Efecto Lupario PRO」）。

2. KenBurnsImage: CSSアニメーションを使用せず、補間に基づくクリーンな画像スケーリングと移動を実現します。

3. AudioSpectrum: サウンドトラックにリアクティブに同期する音声周波数スペクトル可視化バー。

4. LowerThird: ソーシャルメディアのプロフィールやネームカード用のエレガントなlower-thirdポップアップ表示。

🧪 テストと検証

ツールの実行、パス解決、CLIレンダリングを検証するために、完全なE2Eテストスイートを実行します。

npm test

📄 ライセンス

このプロジェクトは MIT License の下でライセンスされています。