MCP Video Extraction Plus

🚀 MCP Video Extraction plus - 語音識別服務集成修改說明

本次修改將項目的語音識別服務進行了擴展，原本僅支持 Whisper（本地模型），現在支持三種方式，為用戶提供了更多選擇，增強了項目的實用性和靈活性。

🚀 快速開始

新增文件

核心 ASR 模塊

修改的文件

1. src/mcp_video_service/services/video_service.py

主要改動：

• 添加 ASR 提供者配置支持（asr_provider）。
• 修改 __init__ 方法，支持從配置文件讀取 ASR 提供者選擇。
• 新增 _create_asr_instance() 方法，根據配置創建對應的 ASR 實例。
• 修改 extract_text() 方法，支持多種 ASR 提供者：
  • 如果選擇 Whisper，使用本地模型。
  • 如果選擇 JianYing 或 Bcut，調用在線 API。
• 添加導入語句，支持相對導入和絕對導入兼容。

配置參數：

self.config = {
    'asr': {
        'provider': 'whisper',  # 可選: whisper, jianying, bcut
        'use_cache': False,
        'need_word_time_stamp': False,
    },
    'jianying': {
        'start_time': 0,
        'end_time': 6000,
    },
    # ... 其他配置
}

2. config.yaml

新增配置項：

# ASR（自動語音識別）提供者配置
asr:
  provider: "whisper"  # 可選: whisper, jianying, bcut
  use_cache: false
  need_word_time_stamp: false

# JianYing (CapCut) 語音識別配置
jianying:
  start_time: 0      # 音頻開始時間（毫秒）
  end_time: 6000     # 音頻結束時間（毫秒）

# Bcut (B站剪輯) 語音識別配置
# 暫無特殊配置，使用默認值

💻 使用示例

基礎用法

1. 使用 Whisper（本地模型，默認）

from mcp_video_service.services.video_service import VideoService

service = VideoService(config_path='config.yaml')
# config.yaml 中設置: asr.provider = "whisper"

text = await service.extract_text('audio.mp3')

2. 使用 JianYing（在線服務）

# 修改 config.yaml
# asr:
#   provider: "jianying"
#   use_cache: false
#   need_word_time_stamp: false
# jianying:
#   start_time: 0
#   end_time: 6000

service = VideoService(config_path='config.yaml')
text = await service.extract_text('audio.mp3')

3. 使用 Bcut（在線服務）

# 修改 config.yaml
# asr:
#   provider: "bcut"
#   use_cache: true
#   need_word_time_stamp: false

service = VideoService(config_path='config.yaml')
text = await service.extract_text('audio.mp3')

4. 通過環境變量配置

# 使用 JianYing
export ASR_PROVIDER=jianying
export ASR_USE_CACHE=false
export JIANYING_START_TIME=0
export JIANYING_END_TIME=6000

# 使用 Bcut
export ASR_PROVIDER=bcut
export ASR_USE_CACHE=true

🔧 技術細節

架構設計

類繼承關係

BaseASR (抽象基類)
├── JianYingASR
├── BcutASR
└── VideoService (使用 Whisper 時直接調用 whisper.load_model)

BaseASR 的主要特性

• 統一接口：所有 ASR 實現都繼承自 BaseASR。
• 緩存支持：通過 CRC32 校驗和生成緩存鍵。
• 速率限制：內置速率限制機制，防止 API 過載。
• 進度回調：支持異步進度回調函數。
• 錯誤處理：統一的錯誤處理和日誌記錄。

數據結構

ASRDataSeg（分段數據）

@dataclass
class ASRDataSeg:
    text: str          # 分段文本
    start_time: float  # 開始時間（毫秒）
    end_time: float    # 結束時間（毫秒）

ASRData（完整數據）

@dataclass
class ASRData:
    text: str                    # 完整文本
    segments: List[ASRDataSeg]   # 分段列表

狀態管理

ASR 任務的狀態通過 ASRStatus 枚舉管理：

導入兼容性

所有新增的 ASR 模塊都支持相對導入和絕對導入的雙重兼容：

# 相對導入（在包內使用）
from .asr_data import ASRDataSeg
from .base_asr import BaseASR

# 絕對導入（直接加載模塊時使用）
from asr_data import ASRDataSeg
from base_asr import BaseASR

這確保了模塊在不同的導入場景下都能正常工作。

📦 安裝指南

新增依賴

• requests - 用於 HTTP 請求（JianYing 和 Bcut API）

現有依賴

• yt-dlp - 視頻下載
• whisper - 本地語音識別（僅在使用 Whisper 時需要）
• pyyaml - 配置文件解析

環境變量支持

📚 詳細文檔

向後兼容性

本次修改完全向後兼容：

• 默認 ASR 提供者為 whisper，保持原有行為。
• 原有的 extract_text() 接口保持不變。
• 所有新增功能都是可選的。

測試驗證

所有新增模塊已通過以下驗證：

• ✓ Python 語法檢查
• ✓ 模塊導入測試
• ✓ 類繼承關係驗證
• ✓ 配置文件解析測試

後續擴展

該架構支持輕鬆添加新的 ASR 提供者：

1. 創建新類繼承 BaseASR。
2. 實現 _run() 和 _make_segments() 方法。
3. 在 VideoService._create_asr_instance() 中添加條件分支。
4. 在 config.yaml 中添加相應配置項。

📄 許可證

保持原項目許可證不變。