Whissle MCP 服务器
基于 Python 的服务器,提供对 Whissle API 端点的访问,用于语音转文本、二值化、翻译和文本摘要。
⚠️ 重要提示
- 此服务器提供对 Whissle API 端点的访问,这可能会产生费用
- 每个进行 API 调用的工具都会标有成本警告
- 请遵循以下准则:
- 仅在用户明确要求时使用工具
- 对于处理音频的工具,请考虑音频的长度,因为它会影响成本
- 某些操作(例如翻译或摘要)的成本可能会更高
- 描述中没有成本警告的工具可以免费使用,因为它们只读取现有数据
先决条件
- Python 3.8 或更高版本
- pip(Python 包安装程序)
- Whissle API 身份验证令牌
安装
- 克隆存储库:
git clone <repository-url>
cd whissle_mcp
- 创建并激活虚拟环境:
python -m venv venv
source venv/bin/activate # On Windows, use: venv\Scripts\activate
- 安装所需的软件包:
- 设置环境变量:在项目根目录中创建一个
.env
文件,其内容如下:WHISSLE_AUTH_TOKEN=insert_auth_token_here # Replace with your actual Whissle API token
WHISSLE_MCP_BASE_PATH=/path/to/your/base/directory
⚠️重要提示:切勿将你的实际令牌提交到存储库。.env 文件包含在.env
中.gitignore
以防止意外提交。 - 配置 Claude 集成:将
claude_config.example.json
复制到claude_config.json
并更新路径:{
"mcpServers": {
"Whissle": {
"command": "/path/to/your/venv/bin/python",
"args": [
"/path/to/whissle_mcp/server.py"
],
"env": {
"WHISSLE_AUTH_TOKEN": "insert_auth_token_here"
}
}
}
}
- 将
/path/to/your/venv/bin/python
替换为虚拟环境中 Python 解释器的实际路径 - 将
/path/to/whissle_mcp/server.py
替换为 server.py 文件的实际路径
配置
环境变量
WHISSLE_AUTH_TOKEN
:您的 Whissle API 身份验证令牌(必需)- 这是一个敏感凭证,不应共享或提交到版本控制
- 联系您的管理员以获取有效令牌
- 将其安全地存储在本地
.env
文件中
WHISSLE_MCP_BASE_PATH
:文件操作的基本目录(可选,默认为用户的桌面)
支持的音频格式
服务器支持以下音频格式:
- WAV(.wav)
- MP3(.mp3)
- OGG(.ogg)
- FLAC(.flac)
- M4A (.m4a)
文件大小限制
可用工具
1.语音转文本
使用 Whissle API 将语音转换为文本。
response = speech_to_text(
audio_file_path="path/to/audio.wav",
model_name="en-NER", # Default model
timestamps=True, # Include word timestamps
boosted_lm_words=["specific", "terms"], # Words to boost in recognition
boosted_lm_score=80 # Score for boosted words (0-100)
)
2. 语音分类
通过说话人识别将语音转换为文本。
response = diarize_speech(
audio_file_path="path/to/audio.wav",
model_name="en-NER", # Default model
max_speakers=2, # Maximum number of speakers to identify
boosted_lm_words=["specific", "terms"],
boosted_lm_score=80
)
3.文本翻译
将文本从一种语言翻译成另一种语言。
response = translate_text(
text="Hello, world!",
source_language="en",
target_language="es"
)
4.文本摘要
使用 LLM 模型总结文本。
response = summarize_text(
content="Long text to summarize...",
model_name="openai", # Default model
instruction="Provide a brief summary" # Optional
)
5. 列出 ASR 模型
列出所有可用的 ASR 模型及其功能。
response = list_asr_models()
响应格式
语音转文本和分词
{
"transcript": "The transcribed text",
"duration_seconds": 10.5,
"language_code": "en",
"timestamps": [
{
"word": "The",
"startTime": 0,
"endTime": 100,
"confidence": 0.95
}
],
"diarize_output": [
{
"text": "The transcribed text",
"speaker_id": 1,
"start_timestamp": 0,
"end_timestamp": 10.5
}
]
}
翻译
{
"type": "text",
"text": "Translation:\nTranslated text here"
}
总结
{
"type": "text",
"text": "Summary:\nSummarized text here"
}
错误响应
{
"error": "Error message here"
}
错误处理
该服务器包括强大的错误处理功能:
- HTTP 500 错误的自动重试
- 不同故障场景的详细错误消息
- 文件验证(存在性、大小、格式)
- 身份验证检查
常见错误类型:
- HTTP 500:服务器错误(带重试机制)
- HTTP 413:文件太大
- HTTP 415:不支持的文件格式
- HTTP 401/403:身份验证错误
运行服务器
- 启动服务器:
- 服务器将在默认 MCP 端口(通常为 8000)上可用
测试
提供了一个测试脚本来验证所有工具的功能:
测试脚本将:
- 检查身份验证令牌
- 测试所有可用的工具
- 提供每个操作的详细输出
- 优雅地处理错误
支持
如有问题或疑问,请:
- 检查错误消息以了解具体细节
- 验证您的身份验证令牌
- 确保您的音频文件符合要求
- 针对 API 相关问题联系 Whissle 支持
执照
[在此添加您的许可证信息]