BiliNote-MCP

Converts video links into AI-generated Markdown notes

GitHub

Documentation

VideoNote-Mcp

视频链接 → 多格式笔记
一条链接 → 一篇笔记 · 端到端或解耦，任意组合

中文 | English

快速开始 • 文档 • 真实案例 • 流水线地图 • 任务管理 • 最佳实践 • 如何贡献

VideoNote-Mcp 把「视频链接 → 多格式笔记」整条流水线打包成 MCP Server：给它一个链接，自动完成下载 → 语音转写 → 画面理解 → 弹幕/评论，并生成文字稿或笔记。

仓库：HuangYincan/VideoNote-MCP。

既可端到端使用（一条链接 → 一篇笔记），也可解耦：生成、素材、任务、媒体处理等工具按需取用。无需启动任何后端服务。

快速开始

配置 MCP 服务即可开始使用。

# 1) 注册独立 MCP（PyPI 已发布版本）
claude mcp add --scope user videonote -- uvx videonote@latest

# 2) 在终端配置转写 / 平台登录；默认笔记流程无需 LLM Key
uvx videonote@latest setup

# 3) 重启或重连 MCP，然后发送视频链接

支持 JSON 的 MCP 客户端也可使用：

{
  "mcpServers": {
    "videonote": {
      "type": "stdio",
      "command": "uvx",
      "args": ["videonote@latest"]
    }
  }
}

[!NOTE] 默认的 uvx videonote@latest 只含基础依赖（fast-whisper 转写 + 平台官方字幕），不含可选引擎。 macOS 想用 Apple GPU 的 mlx-whisper 时，注册 MCP 与终端 setup 都要带上它（--with 必须写在工具名前）：
claude mcp add --scope user videonote -- uvx --with mlx-whisper videonote@latest
uvx --with mlx-whisper videonote@latest setup
JSON 客户端则在 args 开头插入 "--with", "mlx-whisper"：
{
  "mcpServers": {
    "videonote": {
      "type": "stdio",
      "command": "uvx",
      "args": ["--with", "mlx-whisper", "videonote@latest"]
    }
  }
}
funasr（中文最优）同理，换成 --with funasr --with torch。

[!TIP] 四种安装方式、配置细节、更新与安全见 docs/04-使用手册.md。

导出格式

字幕：支持 SRT、VTT 和 JSON，适合保存时间轴或导入其他工具。
Markdown 笔记：可根据转写、画面和评论整理成便于阅读和继续编辑的笔记。
LaTeX / Typst：安装包附带 Math Note、English Article 和 zju-lab 等模板，可在 MCP 客户端中列出、读取或复制到新目录。
模板复制不会覆盖已有目录。LaTeX / Typst 的编译器、字体和依赖需要在本机准备；MCP 负责提供素材与模板，不自动编译 PDF。

完整的导出说明见使用手册。

文档

安装 / 配置 / 使用 / 环境变量 / 更新 / 安全等完整说明已归档到 docs/（README 只保留概览）：

文档索引
架构设计 · 可编辑架构图
使用手册 —— 安装（4 种方式）· 配置（setup 向导 + CLI）· 环境变量 · 更新 · 安全
更新日志

真实案例

两个端到端真实案例：一个由对话助手直接生成 LaTeX mathnote PDF，一个走 全自动 LLM 生成产出便携 Markdown。

案例一 · agent_direct + LaTeX mathnote（DeepSeek-V4 视频）

来源：【闪客】深入解读 DeepSeek V1~V4！男女老少都听得懂～

一条视频 + 四类外部资料（论文 / 技术报告 / 公众号官宣 / 开源集合）→ 对话助手直接生成精修笔记，并输出 LaTeX mathnote PDF（中文楷体模板）：

Page1	Page2	Page3

无 LLM key：根据转写、帧图和评论整理笔记
多源交叉整合：视频 × 论文 × 技术报告 × 开源清单
精修保留原稿：note.md / note_original.md 双份
LaTeX mathnote PDF：自适应修复字体缺失 / 断行溢出 / 引用去重

完整过程记录见 examples/agent-direct-deepseek-v4-mathnote/README.md。

案例二 · 全自动 LLM 生成 + 便携 Markdown（多视频并行）

极简 Prompt（3 个 B 站链接 + 输出目录，一个参数都没说明）→ 全自动跑完环境检查 → 链接识别 → 供应商/模型发现 → 参数确认 → 多视频并行 → 生成后基于字幕精修，产出 3 份精修便携笔记（note.md + Assets/ 截图 + 「观众观点」章节，并保留 note_original.md 供对比）。

雅思：破误区 + 听/读/写/口语四科拆解 + 179 高频考点词 + 15 句逻辑框架
法医：从业 43 年法医「拉片」对比影视与现实，精修扩为 12 节
Transformer：自注意力机制详解，18 张截图按讲课时间线分布

完整过程记录见 examples/note-generation-example/README.md。

流水线地图

实线为主流程：一条 prepare_note_material 出素材，由当前对话助手整理笔记；generate_note 是后备（对话助手无法看图时走配置 LLM）。虚线为可选能力（视频理解 / 弹幕评论）。各阶段细节见 docs/02-架构设计.md。

任务管理

每任务一个文件夹 note_results/{task_id}/：raw/（下载媒体）+ gen/（转写/笔记/帧/导出）+ 控制文件；全局任务索引在 SQLite video_tasks 表（含语义标题）。list_tasks 枚举全部任务（按语义标题识别）、cleanup(task_id, dry_run=True) 先查后清、cleanup 按任务 / 全局清理（默认保留配置与模型）、health_check 检查 FFmpeg / 数据库 / whisper 就绪。

flowchart TB
    DATA["data/ 数据根"] --> R["note_results/ 任务目录"]
    DATA --> DB[("video_note.db<br/>SQLite 全局任务索引")]
    R --> T1["任务 A<br/>note_results/{task_id}/"]
    R --> T2["任务 B<br/>…"]
    R --> T3["任务 C<br/>…"]
    T1 --> RAW["raw/ 原始材料<br/>音视频 · 封面"]
    T1 --> GEN["gen/ 生成材料"]
    T1 --> CTRL["status.json · result.json · manifest.json"]
    GEN --> T1A["transcript.json 转写全文"]
    GEN --> T1B["note.md 成稿笔记"]
    GEN --> T1C["Assets/ 笔记内截图"]
    GEN --> T1D["frames/ 关键帧原图"]
    GEN --> T1E["srt / vtt / json 字幕导出"]
    DB -. 索引 .-> T1

工具	说明	类型
`list_tasks`	列出全部任务（全局索引，带语义标题）	MCP 工具
`cleanup`	按任务清理（传 `task_id`）/ 全局清理（恢复出厂，不传）	MCP 工具
`health_check`	FFmpeg / 数据库 / whisper 就绪状态	MCP 工具

最佳实践

学习备考：端到端 + 视频理解 + 基于字幕的后续优化，把课程讲透。
会议纪要：process_media(action="merge") 合并分段录音 → process_media(action="diarize") 说话人分离 → meeting_minutes 风格。
讲座精读：端到端生成后，根据完整字幕精修、按章节补齐细节。
视频赏析：开启弹幕 + 评论整合，笔记含「观众观点」章节。
默认路径：一条链接用 prepare_note_material，由当前对话助手整理笔记；无法看图或用户要求配置 LLM 时才用 generate_note。只做媒体加工用 process_media。
真实案例：完整案例过程记录见 examples。

如何贡献

欢迎提交 Issue、改进建议和 Pull Request。开发环境、测试命令、分支策略与代码导航见 CONTRIBUTING.md。

致谢

Glama ：对 MCP server 的收录
LINUX DO：新的理想型社区
所有开源依赖与上游流水线项目的启发