Show HN：將帶解說的螢幕錄製轉化為AI智慧體可用的資料（本地執行，MIT許可）

talkthrough-mcp 是一個本地優先的 MCP 伺服器，專為處理帶解說的螢幕錄製而設計。它能夠將影片或音訊檔案轉化為 AI 智慧體可直接使用的結構化資料，包括帶時間戳的轉錄文本、場景變化的關鍵幀、螢幕上的文字識別（OCR）、可選的說話人標註，以及將每個時間點對映到真實世界時鐘的錨定功能。所有處理都在本地完成，無需連線雲端，也不包含任何大語言模型——智慧體本身負責理解和決策。

與其他螢幕錄製 SaaS 或影片分析 MCP 不同，talkthrough-mcp 可以處理任意本地檔案，並附帶了智慧體工作流程（伺服器提示和示例智慧體），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：當開發人員說“就在我說支付介面卡住的時候”，系統能直接對應到伺服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（可透過 brew 或官方指令碼安裝），然後執行 uvx talkthrough-mcp[diarization]。該命令會自動下載所需的 ffmpeg、Whisper 模型和 OCR 引擎。支援多種 MCP 客戶端，包括 Claude Code、Cursor、OpenAI Codex CLI、Gemini CLI、GitHub Copilot 等。對於 Claude Code，還提供了完整的外掛版本，包含原生斜槓命令和預設的分類智慧體。

說話人區分（Diarization）是可選的擴充套件功能，透過安裝 [diarization] 額外包啟用。它使用 pyannote 和 NeMo 模型在本地執行，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，智慧體可根據上下文將其對映為實際姓名。

該伺服器提供了七個工具：process_media（處理媒體檔案）、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（搜尋轉錄和 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，幫助智慧體正確選用工具。

此外，還有五個伺服器提示（可視為 MCP 客戶端中的斜槓命令）：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）。這些提示也以普通檔案形式提供，供不支援 MCP 提示的客戶端使用。

talkthrough-mcp 採用 MIT 許可，程式碼託管在 GitHub 上。它的設計理念是保持本地優先、無依賴、可擴充套件，讓 AI 智慧體能夠更高效地從影片內容中提取有用資訊。