MCP Audio Transcriber

Transcriptor de audio MCP

Una herramienta Python portátil y Dockerizada que implementa un Protocolo de Contexto de Modelo (MCP) para la transcripción de audio utilizando los modelos Whisper de OpenAI, e incluso viene con una interfaz de usuario web impulsada por Streamlit para que pueda cargar un archivo de audio y descargar la transcripción como JSON.

🚀 Características

• Interfaz MCP modular ( mcp.py ) que define un ModelContextProtocol estándar.
• Implementación basada en susurros ( WhisperMCP ) para transcripciones multilingües de alta calidad.
• Interfaz de línea de comandos ( app.py ) para transcripción por lotes o ad-hoc:
  python app.py <input_audio> <output_json> [--model MODEL_NAME]
• Compatibilidad de Docker para un tiempo de ejecución consistente:
  docker build -t mcp-transcriber . docker run --rm \ -v /full/path/to/data:/data \ mcp-transcriber:latest \ /data/input.wav /data/output.json
• Aplicación web Streamlit ( streamlit_app.py ) que permite a los usuarios finales:
  • Sube cualquier archivo de audio común (.wav, .mp3, .ogg, .m4a)
  • Elija un tamaño de modelo Whisper
  • Vista previa de la transcripción en vivo
  • Descargue el resultado JSON con un clic

📦 Requisitos previos

• Python 3.10+
• ffmpeg instalado y en tu PATH
• (Opcional) Docker Engine / Docker Desktop
• (Opcional) Streamlit

🔧 Instalación

1. Clonar el repositorio
   git clone https://github.com/ShreyasTembhare/MCP---Audio-Transcriber.git cd MCP---Audio-Transcriber
2. Dependencias de Python y 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. (Opcional) Docker
   • Instalar Docker Desktop
   • Habilite la integración de WSL si utiliza WSL2.
4. (Opcional) Streamlit
   pip install streamlit

🎯 Uso

1. Transcripción CLI

• <input_audio> : ruta a su archivo de audio
• <output_json> : ruta donde se guardará el resultado JSON
• --model : elige el tamaño del modelo Whisper (predeterminado: base)

Ejemplo:

2. Docker

Construye la imagen:

Ejecútalo (montando tus datos/carpeta):

Luego inspeccionar:

3. Interfaz web optimizada

Iniciar la aplicación:

• Abra http://localhost:8501 en su navegador
• Subir un archivo de audio
• Seleccione el tamaño del modelo Whisper
• Haga clic en Transcribir
• Obtenga una vista previa y descargue el JSON resultante

📁 Estructura del proyecto