Show HN：將帶解説的屏幕錄製轉化為AI智能體可用的數據（本地運行，MIT許可）

talkthrough-mcp 是一個本地優先的 MCP 服務器，專為處理帶解説的屏幕錄製而設計。它能夠將視頻或音頻文件轉化為 AI 智能體可直接使用的結構化數據，包括帶時間戳的轉錄文本、場景變化的關鍵幀、屏幕上的文字識別（OCR）、可選的説話人標註，以及將每個時間點映射到真實世界時鐘的錨定功能。所有處理都在本地完成，無需連接雲端，也不包含任何大語言模型——智能體本身負責理解和決策。

與其他屏幕錄製 SaaS 或視頻分析 MCP 不同，talkthrough-mcp 可以處理任意本地文件，並附帶了智能體工作流程（服務器提示和示例智能體），使常見任務如錯誤分類、需求提取和待辦事項生成變得簡單。其時間戳錨定功能特別有用：當開發人員説“就在我説支付界面卡住的時候”，系統能直接對應到服務器日誌中的正確時間段。

快速上手只需一條命令：確保已安裝 uv（可通過 brew 或官方腳本安裝），然後運行 uvx talkthrough-mcp[diarization]。該命令會自動下載所需的 ffmpeg、Whisper 模型和 OCR 引擎。支持多種 MCP 客户端，包括 Claude Code、Cursor、OpenAI Codex CLI、Gemini CLI、GitHub Copilot 等。對於 Claude Code，還提供了完整的插件版本，包含原生斜槓命令和預設的分類智能體。

説話人區分（Diarization）是可選的擴展功能，通過安裝 [diarization] 額外包啓用。它使用 pyannote 和 NeMo 模型在本地運行，無需 GPU，對一段 26 分鐘的會議進行區分大約只需 2 分鐘。區分後的標籤以 S1、S2 等匿名形式出現，智能體可根據上下文將其映射為實際姓名。

該服務器提供了七個工具：process_media（處理媒體文件）、get_transcript（獲取轉錄）、get_frames（獲取關鍵幀）、get_moment（獲取指定時間段的摘要）、search（搜索轉錄和 OCR 文本）、extract_frame（提取精確幀）和 list_jobs（列出已處理的任務）。每個工具的描述中都包含超過 10 個使用示例，幫助智能體正確選用工具。

此外，還有五個服務器提示（可視為 MCP 客户端中的斜槓命令）：triage-recording（分類錄製內容）、spec-from-workshop（從研討會中提取規範）、backlog-from-demo（從演示中生成待辦事項）、meeting-actions（提取會議行動項）和 correlate-with-logs（將錄製內容與系統日誌關聯）。這些提示也以普通文件形式提供，供不支持 MCP 提示的客户端使用。

talkthrough-mcp 採用 MIT 許可，代碼託管在 GitHub 上。它的設計理念是保持本地優先、無依賴、可擴展，讓 AI 智能體能夠更高效地從視頻內容中提取有用信息。