AI导哈

电影音频转录工具

一个模块化系统，用于从电影中提取音频并将其转录为Markdown文件。

  • by micz667
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 micz667/transcription_mcp

使用说明

电影音频转录工具

一种用于从电影中提取音频并将其转录为markdown文件的模块化系统。

特性

  • 音频提取：从各种视频格式（MP4、AVI、MOV等）中提取音频
  • 直接音频处理：直接处理音频文件（WAV、MP3、FLAC、M4A等）
  • YouTube集成：下载YouTube视频并提取字幕
  • 字幕转换：将SRT/VTT字幕转换为markdown格式
  • 转录：使用高级语音识别将语音转换为文本
  • Markdown输出：生成带有时间戳的格式良好的markdown文件
  • 模块化设计：每个组件处理特定的职责
  • 错误处理：全面的错误处理和信息反馈
  • 批处理：高效处理多个文件
  • 自动格式检测：自动检测视频和音频文件

MCP服务器（基于路径的转录）

A. Python MCP服务器 为AI助手公开按路径转录（单运行时，无子进程）：

  • transcribe_file：音频/视频文件的路径→ 创建一个markdown转录（运行现有的Python管道）。
  • read_transcription：转录文件的路径→ 返回其内容（以便LLM可以通读成绩单）。
  • get_supported_formats：返回支持的格式和选项。

看 docs/MCP_SERVER.md 用于设置、工具和Cursor/MCP客户端配置。

pip install -r requirements.txt
python mcp_server.py   # Start MCP server (stdio)

项目结构

transcribe/
├── mcp_server.py        # MCP server (Python, FastMCP, stdio)
├── main.py              # CLI entry point
├── requirements.txt     # Python dependencies (includes mcp)
├── setup.py             # Package setup
├── scripts/
│   └── init_project.sh  # One-time setup (venv, pip install)
├── transcribe/          # Python package
│   ├── core/            # Core interfaces, types, and pipeline
│   ├── extractors/      # Audio extraction modules
│   ├── transcribers/    # Speech-to-text modules
│   ├── formatters/      # Output formatting modules
│   ├── utils/           # Utility functions
│   ├── cli/             # Command line interface
│   └── config.json      # Default configuration
├── tests/               # Test files
├── docs/                # Documentation
├── examples/            # Example scripts
├── input/               # Input audio/video (optional)
├── output/              # Generated transcripts (optional)
└── downloads/           # Downloaded media (optional)

安装

先决条件

  1. Python 3.8+ -确保你安装了Python
  2. FFmpeg -音频提取所需

快速设置

macOS/Linux：

# Make the script executable
chmod +x scripts/init_project.sh

# Run the initialization script (from repo root)
./scripts/init_project.sh

窗户： 创建一个venv并手动安装：

python -m venv venv
venv\Scripts\activate
pip install -r requirements.txt

手动设置

  1. 创建虚拟环境：

    python3 -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate.bat

  2. 安装依赖项：

    pip install -r requirements.txt

  3. 安装FFmpeg：

    # macOS
brew install ffmpeg

# Ubuntu/Debian
sudo apt-get install ffmpeg

# Windows
# Download from https://ffmpeg.org/download.html

  4. 验证安装：

    python main.py --help

用法

基本用法

from transcribe import TranscribePipeline

# Create pipeline
pipeline = TranscribePipeline()

# Process a single file
result = pipeline.process("path/to/movie.mp4", "output.md")

# Process multiple files
results = pipeline.process_batch([
    "movie1.mp4",
    "movie2.avi"
], "output_directory/")

命令行界面

# Transcribe a video file
python main.py --input movie.mp4 --output transcript.md

# Transcribe an audio file
python main.py --input recording.wav --output transcript.md

# Process multiple files (video and audio)
python main.py --input-dir ./recordings/ --output-dir ./transcripts/

# With custom settings
python main.py --input recording.mp3 --output transcript.md --language en --model large

YouTube视频下载器

# Download YouTube video with subtitles
python examples/youtube_downloader.py "https://www.youtube.com/watch?v=VIDEO_ID"

# Download with subtitle conversion to markdown
python examples/youtube_downloader.py "https://www.youtube.com/watch?v=VIDEO_ID" --convert-to-markdown

# Download and transcribe with Whisper
python examples/youtube_downloader.py "https://www.youtube.com/watch?v=VIDEO_ID" --transcribe

# Download subtitles only
python examples/youtube_downloader.py "https://www.youtube.com/watch?v=VIDEO_ID" --subtitles-only

配置

该系统采用模块化配置方法：

  • 音频提取：可配置的质量、格式和块大小
  • 转录：多个语音识别引擎（Whisper、谷歌语音等）
  • 输出格式：可自定义的标记模板和格式选项

建筑

该项目遵循模块化设计，关注点明确分离：

  1. 文档接口：所有数据都以一致的文档格式流动
  2. 模块化组件：每个工具处理一个特定的职责
  3. 错误处理：全面的错误处理和信息反馈
  4. 状态管理：跟踪处理背景和进度
  5. 灵活内存：支持短期和长期存储

贡献

  1. 遵循模块化架构原则
  2. 实施适当的错误处理
  3. 添加综合测试
  4. 更新文档

许可证

MIT许可证

相关 MCP