MCP Аудио Транскрибатор
Портативный инструмент Python Docker, реализующий протокол контекста модели (MCP) для аудиотранскрипции с использованием моделей Whisper от OpenAI, а также поставляемый с веб-интерфейсом на базе Streamlit, что позволяет загружать аудиофайл и скачивать транскрипцию в формате JSON.
🚀 Особенности
- Модульный интерфейс MCP (
mcp.py ), который определяет стандартный ModelContextProtocol . - Реализация на основе Whisper (
WhisperMCP ) для высококачественной многоязычной транскрипции. - Интерфейс командной строки (
app.py ) для пакетной или специальной транскрипции:python app.py <input_audio> <output_json> [--model MODEL_NAME]
- Поддержка Docker для единообразной среды выполнения:
docker build -t mcp-transcriber .
docker run --rm \
-v /full/path/to/data:/data \
mcp-transcriber:latest \
/data/input.wav /data/output.json
- Веб-приложение Streamlit (
streamlit_app.py ), позволяющее конечным пользователям:- Загрузите любой распространенный аудиофайл (.wav, .mp3, .ogg, .m4a)
- Выберите размер модели Whisper
- Предварительный просмотр транскрипции в реальном времени
- Загрузите результат JSON одним щелчком мыши
📦 Предварительные условия
- Питон 3.10+
- ffmpeg установлен и находится в вашем PATH
- (Необязательно) Docker Engine / Docker Desktop
- (Необязательно) Streamlit
🔧 Установка
- Клонировать репозиторий
git clone https://github.com/ShreyasTembhare/MCP---Audio-Transcriber.git
cd MCP---Audio-Transcriber
- Зависимости Python и 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
- (Необязательно) Докер
- Установить Docker Desktop
- Включите интеграцию WSL, если используете WSL2.
- (Необязательно) Streamlit
🎯 Использование
1. Транскрипция CLI
python app.py <input_audio> <output_json> [--model tiny|base|small|medium|large]
<input_audio> : путь к вашему аудиофайлу<output_json> : путь, по которому будет сохранен результат JSON--model : выбрать размер модели Whisper (по умолчанию: базовый)
Пример:
python app.py data/input.ogg data/output.json --model tiny
cat data/output.json
2. Докер
Создайте изображение:
docker build -t mcp-transcriber .
Запустите его (смонтировав папку data/):
docker run --rm \
-v "/full/path/to/your/project/data:/data" \
mcp-transcriber:latest \
/data/input.wav /data/output.json
Затем проверьте:
ls data/output.json
cat data/output.json
3. Streamlit Web UI
Запустите приложение:
streamlit run streamlit_app.py
- Откройте http://localhost:8501 в вашем браузере.
- Загрузить аудиофайл
- Выберите размер модели Whisper
- Нажмите «Транскрибировать»
- Предварительный просмотр и загрузка полученного JSON
📁 Структура проекта
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