Skip to main content
Glama
Sign In
deenesjakoruzh

MCP Audio Transcriber

by ShreyasTembhare
GitHub
Python
MIT License
  • Linux
OverviewInspectNewSchemaRelated ServersReviewsScore
Need Help?View Source CodeReport Issue

Integrations

  • Enables containerized deployment of the transcription service, making it portable and providing a consistent runtime environment.

  • Provides audio file processing capabilities, allowing the transcription service to handle various audio formats like .wav, .mp3, .ogg, and .m4a.

  • Integrates with OpenAI's Whisper models to provide high-quality, multi-language audio transcription with options for different model sizes.

MCP Audio Transcriber

Ein portables, Dockerized-Python-Tool, das ein Model Context Protocol (MCP) für die Audiotranskription mithilfe der Whisper-Modelle von OpenAI implementiert – und sogar mit einer Streamlit-basierten Web-Benutzeroberfläche geliefert wird, sodass Sie eine Audiodatei hochladen und die Transkription als JSON herunterladen können.

🚀 Funktionen

  • Modulare MCP-Schnittstelle ( mcp.py ), die ein standardmäßiges ModelContextProtocol definiert.
  • Whisper-basierte Implementierung ( WhisperMCP ) für hochwertige, mehrsprachige Transkription.
  • Befehlszeilenschnittstelle ( app.py ) für Batch- oder Ad-hoc-Transkription:
    python app.py <input_audio> <output_json> [--model MODEL_NAME]
  • Docker-Unterstützung für eine konsistente Laufzeit:
    docker build -t mcp-transcriber . docker run --rm \ -v /full/path/to/data:/data \ mcp-transcriber:latest \ /data/input.wav /data/output.json
  • Die Streamlit-Web-App ( streamlit_app.py ) ermöglicht Endbenutzern:
    • Laden Sie eine beliebige gängige Audiodatei hoch (.wav, .mp3, .ogg, .m4a).
    • Wählen Sie eine Whisper-Modellgröße
    • Live-Vorschau der Transkription
    • Laden Sie das JSON-Ergebnis mit einem Klick herunter

📦 Voraussetzungen

  • Python 3.10+
  • ffmpeg installiert und auf Ihrem PATH
  • (Optional) Docker Engine / Docker Desktop
  • (Optional) Streamlit

🔧 Installation

  1. Klonen Sie das Repo
    git clone https://github.com/ShreyasTembhare/MCP---Audio-Transcriber.git cd MCP---Audio-Transcriber
  2. Python-Abhängigkeiten und FFmpeg
    pip install --upgrade pip pip install -r requirements.txt # On Ubuntu/Debian: sudo apt update && sudo apt install ffmpeg # On Windows: # Download a static build from https://ffmpeg.org and add its bin/ to your PATH
  3. (Optional) Docker
    • Installieren Sie Docker Desktop
    • Aktivieren Sie die WSL-Integration, wenn Sie WSL2 verwenden.
  4. (Optional) Streamlit
    pip install streamlit

🎯 Verwendung

1. CLI-Transkription

python app.py <input_audio> <output_json> [--model tiny|base|small|medium|large]
  • <input_audio> : Pfad zu Ihrer Audiodatei
  • <output_json> : Pfad, in dem das JSON-Ergebnis gespeichert wird
  • --model : Wählen Sie die Größe des Whisper-Modells (Standard: Basis)

Beispiel:

python app.py data/input.ogg data/output.json --model tiny cat data/output.json

2. Docker

Erstellen Sie das Image:

docker build -t mcp-transcriber .

Führen Sie es aus (mounten Sie Ihre Daten/Ordner):

docker run --rm \ -v "/full/path/to/your/project/data:/data" \ mcp-transcriber:latest \ /data/input.wav /data/output.json

Dann prüfen Sie:

ls data/output.json cat data/output.json

3. Streamlit-Web-Benutzeroberfläche

Starten Sie die App:

streamlit run streamlit_app.py
  • Öffnen Sie http://localhost:8501 in Ihrem Browser
  • Hochladen einer Audiodatei
  • Wählen Sie die Größe des Whisper-Modells
  • Klicken Sie auf Transkribieren
  • Vorschau und Download des resultierenden JSON

📁 Projektstruktur

MCP-Audio-Transcriber/ ├── app.py # CLI entrypoint ├── mcp.py # Model Context Protocol + WhisperMCP ├── requirements.txt # Python dependencies ├── streamlit_app.py # Streamlit interface ├── Dockerfile # Container definition ├── .gitignore # ignore **pycache**, venvs, etc. ├── LICENSE # MIT license └── data/ # sample input and output ├── input.ogg └── output.json

This server cannot be installed

-
security - not tested
A
license - permissive license
-
quality - not tested

Ein portables, Dockerized-Python-Tool, das das Model Context Protocol für die Audiotranskription mithilfe von Whisper-Modellen implementiert und sowohl CLI- als auch Web-UI-Schnittstellen zum Konvertieren von Audiodateien in JSON-Transkriptionen bietet.

  1. 🚀 Funktionen
    1. 📦 Voraussetzungen
      1. 🔧 Installation
        1. 🎯 Verwendung
          1. CLI-Transkription
          2. Docker
          3. Streamlit-Web-Benutzeroberfläche
        2. 📁 Projektstruktur

          Related MCP Servers

          • Kokoro TTS MCP Server

            giannisanni
            -
            security
            F
            license
            -
            quality
            Provides text-to-speech capabilities through the Model Context Protocol, allowing applications to easily integrate speech synthesis with customizable voices, adjustable speech speed, and cross-platform audio playback support.
            Last updated -
            2
            Python

          • Sonic Pi MCP

            abhishekjairath
            -
            security
            A
            license
            -
            quality
            A Model Context Protocol server that allows AI assistants like Claude and Cursor to create music and control Sonic Pi programmatically through OSC messages.
            Last updated -
            JavaScript
            MIT License

          • Audio Transcriber MCP Server

            Ichigo3766
            A
            security
            A
            license
            A
            quality
            A MCP server that enables transcription of audio files using OpenAI's Speech-to-Text API, with support for multiple languages and file saving options.
            Last updated -
            1
            2
            JavaScript
            MIT License
            • Linux
            • Apple

          • Rime MCP

            MatthewDailey
            A
            security
            A
            license
            A
            quality
            A Model Context Protocol server that enables AI models to generate and play high-quality text-to-speech audio through your device's native audio system using Rime's voice synthesis API.
            Last updated -
            1
            176
            4
            JavaScript
            The Unlicense
            • Apple
            • Linux

          View all related MCP servers

          New MCP Servers

          ID: kts1za3i9v