AI导哈

视频生成服务器

Google Veo 3.1 MCP Server 是一个用于集成Google Veo 3.1视频生成API的服务器和批量处理工具，支持文本到视频、图像到视频、视频扩展和帧插值等功能。

  • by ex-takashima
  • TypeScript
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 ex-takashima/google-veo3-1-mcp-server

使用说明

谷歌Vista 3.1 MCP服务器

用于Google Veo 3.1视频生成API的MCP服务器和CLI批处理工具。

特性

  • MCP服务器 用于与Claude Desktop和其他MCP客户端集成
  • 批处理CLI工具 用于处理多个视频生成作业
  • 文本转视频：根据文本提示生成视频
  • 图像转视频：为静态图像设置动画
  • 参考图像：最多使用3张图片以保持字符/风格的一致性
  • 视频扩展：将现有视频延长7秒
  • 帧插值：在两个关键帧之间生成视频
  • 成本估算：执行前计算成本

安装

npm install
npm run build

设置

  1. 从获取您的Google API密钥 谷歌AI工作室

  2. 创建一个 .env 文件：

GOOGLE_API_KEY=your_api_key_here

或者直接设置环境变量：

export GOOGLE_API_KEY=your_api_key_here

MCP服务器使用情况

Claude桌面配置

添加到您的Claude Desktop配置(%APPDATA%\Claude\claude_desktop_config.json 在Windows上）：

{
  "mcpServers": {
    "veo3": {
      "command": "node",
      "args": ["C:/path/to/google-veo3-1-mcp-server/dist/index.js"],
      "env": {
        "GOOGLE_API_KEY": "your_api_key_here"
      }
    }
  }
}

或者在发布后使用npx：

{
  "mcpServers": {
    "veo3": {
      "command": "npx",
      "args": ["google-veo3-1-mcp-server"],
      "env": {
        "GOOGLE_API_KEY": "your_api_key_here"
      }
    }
  }
}

可用工具

生成视频

从文本提示或图像生成视频。

{
  "prompt": "A golden retriever running through autumn leaves",
  "model": "veo-3.1-generate-preview",
  "resolution": "1080p",
  "duration_seconds": 8,
  "generate_audio": true,
  "output_path": "./output/video.mp4"
}

参数：

  • prompt：视频的文字描述（除非提供图像，否则需要）
  • model: veo-3.1-generate-preview （默认）， veo-3.1-fast-generate-preview，或 veo-3.1-lite-generate-preview
  • aspect_ratio: 16:9 （默认）或 9:16
  • resolution: 720p （默认）， 1080p，或 4k （4k不适用于lite型号）
  • duration_seconds: 4, 6，或 8 （默认值：8；使用1080p/4K或参考图像时必须为8）
  • generate_audio：是否生成音频（默认值：true）
  • negative_prompt：应避免的元素
  • image：图像转视频模式的图像
  • reference_images：用于一致性的参考图像数组
  • sample_count：每个请求要生成的视频数（默认值：1）
  • output_path：保存视频的路径
  • wait：设置为 false 返回 operation_name 立即而不是阻止，直到视频准备就绪（默认值： true).也支持 extend_video 和 interpolate_frames.

extend_video

将现有视频延长7秒。

{
  "video": "./input/video.mp4",
  "prompt": "Continue with the character walking forward",
  "output_path": "./output/extended.mp4"
}

要求：

  • 输入视频：1-30秒，24fps，720p或1080p
  • 输出：720p时7秒

插值帧

生成两个关键帧之间的视频过渡。

{
  "first_frame": "./images/start.jpg",
  "last_frame": "./images/end.jpg",
  "prompt": "Smooth camera pan",
  "duration_seconds": 8,
  "generate_audio": true,
  "output_path": "./output/interpolated.mp4"
}

获取_视频_状态

检查视频生成操作的状态。与一起使用时 wait: false 生成，轮询此工具，直到 done 是 true，然后下载结果。

{
  "operation_name": "models/veo-3.1-generate-preview/operations/abc123",
  "download": true,
  "output_path": "./output/video.mp4"
}

参数：

  • operation_name：生成工具返回的操作名称（必填）
  • download：操作完成后，将视频下载到 output_path 或 OUTPUT_DIR （默认值： false)
  • output_path：将下载的视频保存在何处（暗示 download)

异步工作流示例：

  1. generate_video 与 "wait": false → 回报 operation_name 几秒钟内
  2. get_video_status 随着 operation_name → done: false 在处理过程中
  3. 曾经 done: true，再次致电 "download": true （或包括 output_path)保存视频

批处理CLI使用情况

# Estimate costs only
veo3-batch config.json --estimate-only

# Execute batch
veo3-batch config.json --output-dir ./output

# With options
veo3-batch config.json --max-concurrent 3 --no-audio --format json

CLI选项

选项 描述
-o, --output-dir <path> 视频输出目录
-f, --format <text|json> 输出格式（默认：文本）
-c, --max-concurrent <n> 并行作业（1-5，默认值：2）
-p, --poll-interval <ms> 轮询间隔
-t, --timeout <ms> 批处理总超时时间
-e, --estimate-only 仅估算成本
--no-audio 无音频生成（降低成本）
--allow-any-path 允许绝对输出路径

批配置格式

{
  "jobs": [
    {
      "prompt": "A cat playing piano",
      "duration_seconds": 8,
      "resolution": "1080p",
      "generate_audio": true
    },
    {
      "type": "extend",
      "video": "./videos/source.mp4",
      "prompt": "Continue the scene"
    },
    {
      "type": "interpolate",
      "first_frame": "./images/start.jpg",
      "last_frame": "./images/end.jpg"
    }
  ],
  "output_dir": "./output",
  "max_concurrent": 2,
  "default_model": "veo-3.1-generate-preview"
}

定价

价格按每秒生成的视频计算。音频始终包含在内。

型号 720p 1080p 4K
标准(veo-3.1-generate-preview) 0.40美元/秒 0.4美元/秒 0.6美元/秒
快速(veo-3.1-fast-generate-preview) 0.10美元/秒 0.12美元/秒 0.30美元/秒
精简版(veo-3.1-lite-generate-preview) 0.05美元/秒 0.08美元/秒 N/A

注： Gemini API预览模型总是生成音频。这 generate_audio 当前不支持该参数。使用顶点AI进行音频控制。

成本示例

视频类型 型号 分辨率 持续时间 成本
文本转视频 标准 1080p 8秒 3.20美元
文本转视频 快速 10pp 8秒 0.96美元
图像到视频 快速 720p 4秒 0.40美元
视频扩展 标准 720p 7秒 2.80美元
帧插值 标准 720p 8秒 3.20美元

模型

型号 描述 分辨率 速度
veo-3.1-generate-preview 高品质 720p、1080p、4K 标准
veo-3.1-fast-generate-preview 更快的一代 720p、1080p、4K 快速
veo-3.1-lite-generate-preview 最便宜 720p、1080p 速度快

参考图像

使用参考图像保持一致性：

{
  "prompt": "The character walks through a forest",
  "reference_images": [
    {
      "image": "./character.jpg",
      "reference_type": "asset"
    }
  ]
}
  • asset：角色/对象（最多3张图片）
  • style：视觉风格（最多1张图片）

环境变量

变量 描述 默认值
GOOGLE_API_KEY Google API密钥（必需） -
OUTPUT_DIR 默认输出目录 ./output
DEBUG 启用调试日志记录 false
VIDEO_POLL_INTERVAL 轮询间隔（ms） 15000
VIDEO_MAX_POLL_ATTEMPTS 最大轮询尝试次数 120

API 文档

有关API的详细规范，请参见：

许可证

麻省理工学院

相关 MCP