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

How are these scores calculated?

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

MCP Access Server
shin-t-o
A
security
A
license
A
quality
Enables text extraction from web pages and PDFs, and execution of predefined commands, enhancing content processing and automation capabilities.
Last updated -
3
TypeScript
MIT License
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
Analytical MCP Server
quanticsoul4772
-
security
A
license
-
quality
Provides advanced analytical, research, and natural language processing capabilities through a Model Context Protocol server, enabling dataset analysis, decision analysis, and enhanced NLP features like entity recognition and fact extraction.
Last updated -
2
TypeScript
MIT License
Resemble AI Voice Generation MCP Server
obaid
-
security
F
license
-
quality
Integrates with Claude and Cursor using the Model Context Protocol to generate voice audio from text using Resemble AI's voices.
Last updated -
Python

View all related MCP servers

Appeared in Searches

A service to convert text to ready-to-use audio with download, player, or embed options

Voice Recognition MCP Service