MCP-Dienst zur Spracherkennung

Dieser Dienst bietet Spracherkennungs- und Textextraktionsfunktionen sowohl im Standard- als auch im MCP-Modus.

Merkmale

Spracherkennung aus Datei
Spracherkennung aus Base64-kodierten Daten
Textextraktion
Unterstützung für Standard- und MCP-Modus
Strukturierte Spracherkennungsergebnisse

Projektstruktur

voice_service.py – Implementierung des Kerndienstes
stdio_server.py – Einstiegspunkt für den Stdio-Modus
mcp_server.py - Einstiegspunkt für den MCP-Modus
build.py - Build-Skript für ausführbare Dateien
build_exec.sh - Build-Ausführungsskript
test_*.sh - Testskripte für verschiedene Funktionalitäten

Installation

Klonen Sie das Repository:

git clone https://github.com/AIO-2030/mcp_voice_identify.git
cd mcp_voice_identify

Installieren Sie Abhängigkeiten:

pip install -r requirements.txt

Richten Sie Umgebungsvariablen in .env ein:

API_URL=your_api_url
API_KEY=your_api_key

Verwendung

stdio-Modus

Führen Sie den Dienst aus:

python stdio_server.py

Senden Sie JSON-RPC-Anfragen über stdin:

{
    "jsonrpc": "2.0",
    "method": "help",
    "params": {},
    "id": 1
}

Oder verwenden Sie die ausführbare Datei:

./dist/voice_stdio

MCP-Modus

Führen Sie den Dienst aus:

python mcp_server.py

Oder verwenden Sie die ausführbare Datei:

./dist/voice_mcp

Ergebnisse der Spracherkennung

Der Dienst liefert strukturierte Spracherkennungsergebnisse. Hier ist ein Beispiel für das Antwortformat:

Ursprüngliche API-Antwort

{
    "jsonrpc": "2.0",
    "result": {
        "message": "input processed successfully",
        "results": "test test test",
        "label_result": "<|en|><|EMO_UNKNOWN|><|Speech|><|woitn|>test test test"
    },
    "id": 1
}

Umstrukturierte Antwort

{
    "jsonrpc": "2.0",
    "result": {
        "message": "input processed successfully",
        "results": "test test test",
        "label_result": {
            "lan": "en",
            "emo": "unknown",
            "type": "speech",
            "speaker": "woitn",
            "text": "test test test"
        }
    },
    "id": 1
}

Ergebnisfelder beschriften

Das Feld label_result enthält die folgenden strukturierten Informationen:

Feld	Beschreibung	Beispielwert
lan	Sprachcode	"en"
Emo	Emotionaler Zustand	"unbekannt"
Typ	Audiotyp	"Rede"
Lautsprecher	Sprecherkennung	"woitn"
Text	Erkannter Textinhalt	"Test, Test, Test"

Spezialetiketten

Der Dienst erkennt und verarbeitet die folgenden speziellen Bezeichnungen in der Originalantwort:

<|en|> - Sprachcode
<|EMO_UNKNOWN|> – Emotionaler Zustand
<|Speech|> - Audiotyp
<|woitn|> – Sprecherkennung

Erstellen ausführbarer Dateien

Machen Sie das Build-Skript ausführbar:

chmod +x build_exec.sh

Ausführbare Datei im stdio-Modus erstellen:

./build_exec.sh

Ausführbare Datei im MCP-Modus erstellen:

./build_exec.sh mcp

Die ausführbaren Dateien werden erstellt unter:

stdio-Modus: dist/voice_stdio
MCP-Modus: dist/voice_mcp

Testen

Führen Sie die Testskripte aus:

chmod +x test_*.sh
./test_help.sh
./test_voice_file.sh
./test_voice_base64.sh

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert – Einzelheiten finden Sie in der Datei LICENSE.

This server cannot be installed

security - not tested

license - permissive license

quality - not tested

remote-capable server

The server can be hosted and run remotely because it primarily relies on remote services or has no dependency on the local environment.

Bietet Spracherkennungs- und Textextraktionsfunktionen mit Unterstützung für den Standard- und MCP-Modus, verarbeitet Audiodateien oder Base64-codierte Daten und gibt strukturierte Ergebnisse mit Informationen zu Sprache, Emotionen und Sprecher zurück.

Related MCP Servers

Speech MCP
Kvadratni
-
security
A
license
-
quality
A Goose MCP extension providing voice interaction with modern audio visualization, allowing users to communicate with Goose through speech rather than text.
Last updated -
36
Python
MIT License
mcp-audio-analysis
hugohow
A
security
A
license
A
quality
MCP to analyse local audio file.
Last updated -
8
10
Python
MIT License
TTS-MCP
nakamurau1
-
security
A
license
-
quality
A Model Context Protocol server that integrates high-quality text-to-speech capabilities with Claude Desktop and other MCP-compatible clients, supporting multiple voice options and audio formats.
Last updated -
TypeScript
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

View all related MCP servers

Voice Recognition MCP Service