内容
<picture align="center">
<source media="(prefers-color-scheme: dark)" srcset="assets/logo-dark.svg">
<img src="assets/logo.svg" width="120" alt="ChatCup 本地版">
</picture>
<h1 align="center">ChatCup 本地版</h1>
<p align="center">
<strong>AI 驱动的本地视频编辑服务器</strong><br>
<em>优先考虑本地的 MCP 服务器，为 AI 代理提供视频编辑超能力 — 无需云服务，无需 API 密钥，无需每月费用。</em>
</p>
<p align="center">
<a href="#"><img src="https://img.shields.io/badge/License-MIT-green?style=flat-square" alt="MIT 许可证"></a>
<a href="https://nodejs.org/"><img src="https://img.shields.io/badge/node-%3E%3D20-brightgreen?style=flat-square&logo=node.js" alt="Node.js"></a>
<a href="https://ffmpeg.org/"><img src="https://img.shields.io/badge/FFmpeg-required-blue?style=flat-square&logo=ffmpeg" alt="FFmpeg"></a>
<a href="https://modelcontextprotocol.io"><img src="https://img.shields.io/badge/MCP-Server-6C47FF?style=flat-square" alt="MCP"></a>
<a href="https://github.com/Erkan9527/chatcup-local"><img src="https://img.shields.io/github/stars/Erkan9527/chatcup-local?style=social" alt="星标"></a>
</p>
<p align="center">
<a href="README.zh-CN.md">中文</a> •
<a href="#features">功能</a> •
<a href="#quick-start">快速开始</a> •
<a href="#ai-agents">AI 代理</a> •
<a href="#multimodal-models">多模态 AI</a> •
<a href="#tools">工具</a> •
<a href="#architecture">架构</a>
</p>
---
> **通过自然语言编辑视频。** 请求任何 AI 代理执行“修剪前 5 秒，添加字幕叠加层，并以 1080p 导出” — ChatCup 本地版在您的机器上处理所有操作。
---
## 功能
| 功能 | 描述 |
|------------|-------------|
| 🎞️ **时间线编辑** | 以帧级精度添加、分割、修剪和排列剪辑 |
| 🎨 **叠加层合成** | 多轨叠加层 — 图表、下三分之一、贴纸、标注、徽标 |
| 🧠 **AI 字幕** | 通过 Whisper 进行自动语音转文本，并智能生成字幕样式和 SRT 导出 |
| 🤖 **动态图形** | 通过 Remotion 动态生成 JSX 动画 |
| 📐 **设计样式** | 应用品牌预设 — 颜色、字体、布局，一键搞定 |
| 📝 **脚本编辑** | 从 AI 代理读取和编辑时间线脚本为 Markdown |
| 📤 **多格式导出** | 视频（H.264/H.265/VP9）、音频、字幕（SRT）、XML 项目 |
| 🔐 **100% 私有** | 所有处理都在您的机器上进行 — 媒体文件从未离开您的计算机 |
| 🔌 **MCP 原生** | 基于模型上下文协议 — 与任何 MCP 兼容的 AI 代理一起使用 |
---
## 快速开始
```bash
git clone https://github.com/Erkan9527/chatcup-local.git
cd chatcup-local
npm install
npm run build
```
**前提条件：** [Node.js](https://nodejs.org/) ≥ 20，[FFmpeg](https://ffmpeg.org/download.html)。可选：`whisper` CLI 或 `faster-whisper` 用于转录。
---
## AI 代理
ChatCup 本地版支持 **MCP（模型上下文协议）** — AI 代理的通用语言。几秒钟内连接：
### OpenCode / Claude Code
```bash
opencode mcp add chatcup-local -- node /path/to/chatcup-local/build/index.js
claude mcp add chatcup-local -- node /path/to/chatcup-local/build/index.js
```
### Cursor
`Cursor 设置 → MCP → 新的 MCP 服务器`：
```json
{
"mcpServers": {
"chatcup-local": {
"command": "node",
"args": ["/path/to/chatcup-local/build/index.js"]
}
}
}
```
### Codex / Copilot (`~/.codex/config.toml`)
```toml
[mcp_servers.chatcup-local]
command = "node"
args = ["/path/to/chatcup-local/build/index.js"]
```
### Pi 代理 / WorkBuddy / Windsurf / Continue
```bash
pi mcp add chatcup-local -- node /path/to/chatcup-local/build/index.js
workbuddy mcp add chatcup-local -- node /path/to/chatcup-local/build/index.js
```
任何 MCP 兼容的客户端也可以使用上面的通用 JSON 配置。
---
## 多模态模型
ChatCup 本地版与 **最新的 AI 模型（2026 年 7 月）** 集成。云模型使用您自己的 API 密钥 — 零供应商锁定。
### 视频生成
| 模型 | 制造商 | 状态 | 最适合 |
|:---:|:---|:---:|:---|
| **Veo 3.1** | <img src="https://upload.wikimedia.org/wikipedia/commons/d/d9/Google_Gemini_logo_2025.svg" height="28" alt="谷歌"> | ✅ 直播 | 原生音频+视频，4K，最佳唇同步 |
| **Gen-4.5** | <img src="https://upload.wikimedia.org/wikipedia/commons/1/1a/Runway_Logo.png" height="28" alt="Runway"> | ✅ 直播 | 生产级，世界一致性 |
| **Hailuo 2.3** | <img src="https://raw.githubusercontent.com/MiniMax-AI/MiniMax-01/main/figures/minimax.svg" height="28" alt="MiniMax"> | ✅ 直播 | 价值领先，高运动质量 |
| **Kling 3.0** | Kuaishou | ✅ 直播 | 经济实惠，长视频（最多 2 分钟） |
| **FLUX 3** | Black Forest Labs | 🆕 EA | 统一图像+视频+音频模型 |
| **Pika 2.5** | Pika | ✅ 直播 | 社交优先的创意效果 |
| **Luma Ray 3** | Luma AI | ✅ 直播 | HDR 输出，可循环剪辑 |
> **开源本地选项：** Wan 2.1（阿里巴巴，Apache 2.0），Hunyuan Video（腾讯），LTX-Video（Lightricks），Mochi 1，CogVideoX — 所有这些都可以在消费级 GPU 上通过 ComfyUI 运行。
### 前沿大型语言模型
| 模型 | 制造商 | 多模态 | 上下文 | 最适合 |
|:---:|:---|:---:|:---:|:---|
| **GPT-5.6 Sol** | <img src="https://upload.wikimedia.org/wikipedia/commons/9/97/OpenAI_logo_2025.svg" height="28" alt="OpenAI"> | ✅ 文本+图像 | 128K | 复杂推理，场景规划，脚本生成 |
| **Claude Opus 4.8** | <img src="https://upload.wikimedia.org/wikipedia/commons/8/8a/Claude_AI_logo.svg" height="28" alt="Anthropic"> | ✅ 文本+图像 | 1M | 代码，长文档，稳定推理 |
| **Gemini 3.6 Flash** | <img src="https://upload.wikimedia.org/wikipedia/commons/d/d9/Google_Gemini_logo_2025.svg" height="28" alt="谷歌"> | ✅ **原生视频+音频** | 1M | 直接上传原始视频 |
| **DeepSeek V4 Pro** | <img src="https://upload.wikimedia.org/wikipedia/commons/e/ec/DeepSeek_logo.svg" height="28" alt="DeepSeek"> | ❌ 仅限文本 | 1M | 最佳编码价值，开源（MIT） |
| **Claude Fable 5** | <img src="https://upload.wikimedia.org/wikipedia/commons/8/8a/Claude_AI_logo.svg" height="28" alt="Anthropic"> | ✅ 文本+图像 | 1M | 最强大的 Claude，代理工作流 |
> **关键：** 只有 Gemini 接受 **原生视频+音频** 输入。Claude 和 GPT 接受帧提取的图像。
### 语音转文本
| 模型 | 品牌 | WER | 价格 | 最适合 |
|:---|:---|:---:|:---:|:---|
| **GPT-4o 转录** | <img src="https://upload.wikimedia.org/wikipedia/commons/9/97/OpenAI_logo_2025.svg" height="28" alt="OpenAI"> | 4.1% | ~$0.006/min | 高精度批量转录 |
| **Whisper large-v3-turbo** | <img src="https://upload.wikimedia.org/wikipedia/commons/9/97/OpenAI_logo_2025.svg" height="28" alt="OpenAI"> | ~5.3% | 免费（自托管） | 本地/离线转录 |
| **ElevenLabs Scribe v2** | <img src="https://upload.wikimedia.org/wikipedia/commons/c/c7/ElevenLabs_Logo_03.svg" height="28" alt="ElevenLabs"> | 4.1% | $0.25/min | 实时（150ms 延迟） |
| **Whisper large-v3** | <img src="https://upload.wikimedia.org/wikipedia/commons/9/97/OpenAI_logo_2025.svg" height="28" alt="OpenAI"> | ~5.3% | 免费（自托管） | 最佳精度，98 种语言 |
### 图像生成
| 模型 | 制造商 | 最适合 |
|:---|:---|---:|
| **FLUX.2 Pro** | Black Forest Labs | 最佳照片逼真度，4MP 输出 |
| **Midjourney V8.1** | <img src="https://upload.wikimedia.org/wikipedia/commons/a/a7/Midjourney_Emblem_%28in-colour%29.svg" height="28" alt="Midjourney"> | 最佳艺术质量，2K 原生 |
| **GPT Image 2** | <img src="https://upload.wikimedia.org/wikipedia/commons/9/97/OpenAI_logo_2025.svg" height="28" alt="OpenAI"> | 最佳文本图像，DALL-E 3 的继任者 |
### 音频生成
| 模型 | 制造商 | 最适合 |
|:---|:---|---:|
| **Veo 3.1** (原生音频) | <img src="https://upload.wikimedia.org/wikipedia/commons/d/d9/Google_Gemini_logo_2025.svg" height="28" alt="谷歌"> | 同步音频+视频生成 |
| **ElevenLabs** | <img src="https://upload.wikimedia.org/wikipedia/commons/c/c7/ElevenLabs_Logo_03.svg" height="28" alt="ElevenLabs"> | 配音，配音，TTS |
| **FLUX 3** (原生音频) | Black Forest Labs | 统一音频+视频 |
### 多模态工作流示例
```
1. Claude 编写脚本 → ChatCup 导入为时间线
2. MiniMax Hailuo 生成视频 → 从文本提示生成 AI 视频
3. Whisper 转录语音 → GPT 校正字幕
4. 所有资产合成 → 在本地以 1080p 导出
```
---
## 工具
| 类别 | 工具 |
|----------|-------|
| **项目** | `list_projects`, `create_project`, `target_project`, `delete_project`, `read_project` |
| **媒体** | `import_media`, `list_assets`, `get_asset`, `view_asset_frames` |
| **时间线** | `edit_item`, `split_item`, `manage_timelines`, `read_timeline`, `read_script`, `apply_script` |
| **轨道** | `manage_tracks`, `edit_track`, `multicam_sync` |
| **叠加层** | `create_overlay_asset`, `insert_overlay`, `manage_design_style` |
| **动态图形** | `create_motion_graphic_from_code`, `edit_asset` |
| **字幕** | `read_asr_provider`, `get_transcript`, `read_captions`, `edit_captions`, `manage_transcript` |
| **导出** | `submit_export`, `track_export` |
| **实用工具** | `search_fonts`, `get_editor_url` |
**40+ MCP 工具** — 在 `src/tools/` 中查看完整文档。
---
## 架构
```mermaid
graph TB
subgraph "AI 代理层"
A[OpenCode] -->|MCP| H
B[Claude Code] -->|MCP| H
C[Cursor] -->|MCP| H
D[Codex / Copilot] -->|MCP| H
E[Pi 代理 / WorkBuddy] -->|MCP| H
end
H["MCP JSON-RPC（标准输入输出）"]
subgraph "ChatCup 本地服务器"
S[chatcup-local] --> PM[项目管理器]
S --> MI[媒体导入器 / FFprobe]
S --> TE[时间线引擎]
S --> OC[叠加层合成器]
S --> MG[动态图形 / Remotion]
S --> TX[转录 / Whisper]
S --> EX[FFmpeg 导出器]
PM --> DB[(JSON 数据库)]
MI --> FS[(媒体存储)]
end
subgraph "本地存储"
DB[~/.chatcup-local/db.json]
FS[~/.chatcup-local/media/]
EX --> OUT[~/.chatcup-local/exports/]
end
style A fill:#6C47FF,color:#fff
style B fill:#6C47FF,color:#fff
style C fill:#6C47FF,color:#fff
style E fill:#6C47FF,color:#fff
style S fill:#E84393,color:#fff
style H fill:#333,color:#fff
```
---
## 数据存储
```
~/.chatcup-local/
├── db.json # 项目、时间线、项目、资产
├── media/ # 导入的源文件
└── exports/ # 渲染输出
```
---
## 转录设置
```bash
export LOCAL_ASR_PROVIDER=auto # auto | whisper-cli | faster-whisper | 自定义命令
export LOCAL_ASR_MODEL=medium # tiny | base | small | medium | large
export LOCAL_ASR_COMMAND='python3 /path/to/adapter.py --input {input} --language {language}'
```
---
## 路线图
- [x] MCP 服务器骨架和项目 CRUD
- [x] 使用 FFprobe 分析导入媒体
- [x] 具有帧精度的时间线编辑
- [x] Whisper 转录集成
- [x] 动态图形渲染（Remotion）
- [x] FFmpeg 导出（视频/音频/字幕/XML）
- [x] 多轨叠加层工作流
- [x] 字幕样式和 SRT 导出
- [ ] **AI 辅助智能编辑** — 场景检测、自动剪辑、智能剪辑
- [ ] **插件系统** — 自定义 AI 模型集成（自带模型）
- [ ] **基于 Web 的预览面板** — 浏览器中的实时时间线预览
- [ ] **批量处理和导出队列** — 多任务渲染管理
---
## 贡献
1. 复刻仓库
2. 创建功能分支：`git checkout -b feature/amazing-feature`
3. 提交：`git commit -m 'feat: add amazing feature'`
4. 推送：`git push origin feature/amazing-feature`
5. 打开拉取请求
---
## 许可证
MIT © [@Erkan9527](https://github.com/Erkan9527)。请参阅 [LICENSE](LICENSE)。
