MiniCPM Vision MCP 🎬👁️🎵
为 DeepSeek V4.0 等单模态大模型 装上眼睛和耳朵 —— 本地运行的视觉+音频 MCP 服务器,基于 Ollama + MiniCPM-V 4.6 + faster-whisper。
图片描述 · 视频帧分析 · 音频语音转文字 · 完全本地 · 数据不出机
Power your agent
การติดตั้งจากผู้เผยแพร่ ไม่ใช่เอนด์พอยต์ของ PlugMCP
URL แบบรีโมตหรือคำสั่งบนเครื่องของคุณ? การติดตั้งสองแบบต่างกันอย่างไร
รันบน PlugMCP
A new server you create. It is not this listing's official endpoint. Use the publisher install when you want their URL and their credentials.
เปิดจากผู้เผยแพร่
为 DeepSeek V4.0 等单模态大模型 装上眼睛和耳朵 —— 本地运行的视觉+音频 MCP 服务器,基于 Ollama + MiniCPM-V 4.6 + faster-whisper。
图片描述 · 视频帧分析 · 音频语音转文字 · 完全本地 · 数据不出机
为 DeepSeek V4.0 等单模态大模型装上眼睛和耳朵 —— 本地视觉+音频 MCP 服务器,基于 Ollama + MiniCPM-V 4.6 + faster-whisper,图片描述·视频分析·语音转文字
| 本项目 | xkiranj/ollama-vision-mcp | MikeyBeez/mcp-vision | |
|---|---|---|---|
| 图片识别 | ✅ | ✅ | ✅ |
| 视频分析 | ✅ 唯一! | ❌ | ❌ |
| 音频转录 | ✅ 唯一! | ❌ | ❌ |
| 中文模型 | ✅ MiniCPM 原生中文 | ❌ llava 英文为主 | ❌ |
| 安装 | 1 文件,丢进去就行 | Python venv + pip | macOS 限定 |
| Windows | ✅ | ⚠️ | ❌ |
| 自动清理 | ✅ 分析完自动删视频 | ❌ | ❌ |
ollama pull minicpm-v4.6
npm install @ffmpeg-installer/ffmpeg @modelcontextprotocol/sdk
pip install faster-whisper
Claude Desktop (claude_desktop_config.json):
{
"mcpServers": {
"vision": {
"command": "node",
"args": ["/path/to/vision_mcp_server.mjs"]
}
}
}
Reasonix (reasonix.toml):
[[plugins]]
name = "vision"
command = "node"
args = ["/path/to/vision_mcp_server.mjs"]
重启客户端即可使用。
describe_image — 描述图片输入: 图片文件的绝对路径
输出: 中文图片内容描述
describe_video — 分析视频输入: 视频文件路径 或 HTTP/HTTPS URL, interval (可选)
输出: 时间线帧描述 + AI 总结 + 自动清理
describe_audio — 音频转文字 🆕输入: 视频/音频文件路径 或 URL
输出: 音频元数据 + faster-whisper 语音转文字
URL/文件 → 下载 → FFmpeg 提取关键帧 → MiniCPM-V 逐帧分析 → 汇总总结 → 自动清理
@ffmpeg-installer/ffmpegMIT License
为 DeepSeek V4.0 等单模态大模型装上眼睛和耳朵 —— 本地视觉+音频 MCP 服务器,基于 Ollama + MiniCPM-V 4.6 + faster-whisper,图片描述·视频分析·语音转文字
เครื่องมือ
ยังไม่มีรายการเครื่องมือ เซิร์ฟเวอร์แบบรีโมตจะได้รายการหลังการตรวจสอบสถานะครั้งแรก
FAQ
คัดลอกคอนฟิก stdio สำหรับ Cursor, Claude Desktop, Claude Code หรือ VS Code ได้ในหน้านี้ คอนฟิกนี้ใช้การติดตั้งของผู้เผยแพร่ ไม่ใช่พร็อกซีของ PlugMCP
ระเบียนนี้ไม่ได้ระบุตัวแปรสภาพแวดล้อมที่จำเป็น
Minicpm Vision ทำงานแบบโลคัลผ่าน stdio
ตรวจสอบล่าสุดเมื่อ 2026-10-28 为 DeepSeek V4.0 等单模态大模型装上眼睛和耳朵 —— 本地视觉+音频 MCP 服务器,基于 Ollama + MiniCPM-V 4.6 + faster-whisper,图片描述·视频分析·语音转文字