视频音频文本提取服务

视频音频文本提取服务是 SealinGp 开发的 MCP 服务器：一个基于Whisper模型的MCP服务器，提供从多种视频平台和音频文件中提取文本的功能，支持多语言识别和多种音频格式处理。接入两步走：brew install ffmpeg，再把下文配置粘进客户端 mcpServers 段重启即可。

先把话说清楚：视频音频文本提取服务不是又一个大模型，而是一个标准的 MCP 服务器。装好之后，你的 AI 客户端多出一组新工具，模型可以按需调用。一个基于Whisper模型的MCP服务器，提供从多种视频平台和音频文件中提取文本的功能，支持多语言识别和多种音频格式处理

• High-quality speech recognition based on Whisper
• Multi-language text recognition
• Support for various audio formats (mp3, wav, m4a, etc.)
• MCP-compliant tools interface
• Asynchronous processing for large files

两类人最该装：一是靠 AI 出稿、出图、做内容流水线的内容团队；二是已经在用 MCP 生态、想按需拼装能力的折腾型用户。反过来，如果你只需要偶尔手动用它背后的服务，直接开网页就行，不必上 MCP。

动手前确认环境齐了：

• 一个支持 MCP 的客户端：Claude Desktop、Cursor、Cline、Windsurf 任选其一。

终端里任选一条（不同安装方式，效果等价）：

brew install ffmpeg

视频音频文本提取服务的 README 没给标准 mcpServers JSON，配置入口见 官方文档 的 Usage/Configuration 章节。原则不变：客户端配置文件里加 mcpServers 条目，重启生效。

完全退出客户端再打开（是托盘里真正退出，不是关窗口）。工具列表里出现视频音频文本提取服务的工具即接入成功；调用报错的话，先查下面的坑点清单。

• 改了配置没反应：客户端只重启了窗口没退进程。macOS 按 Cmd+Q，Windows 检查托盘。
• JSON 报错打不开客户端：多半是最后多个逗号。粘进任何 JSON 校验器里查一遍再保存。