Servicio MCP de reconocimiento de voz

Este servicio proporciona capacidades de reconocimiento de voz y extracción de texto a través de los modos stdio y MCP.

Características

Reconocimiento de voz desde archivo
Reconocimiento de voz a partir de datos codificados en base64
Extracción de texto
Soporte para los modos stdio y MCP
Resultados del reconocimiento de voz estructurado

Estructura del proyecto

voice_service.py - Implementación del servicio principal
stdio_server.py - punto de entrada del modo stdio
mcp_server.py - Punto de entrada del modo MCP
build.py - Script de compilación para ejecutables
build_exec.sh - Script de ejecución de compilación
test_*.sh - Scripts de prueba para diferentes funcionalidades

Instalación

Clonar el repositorio:

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

Instalar dependencias:

pip install -r requirements.txt

Configurar variables de entorno en .env :

API_URL=your_api_url
API_KEY=your_api_key

Uso

Modo stdio

Ejecutar el servicio:

python stdio_server.py

Enviar solicitudes JSON-RPC a través de stdin:

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

O utilice el ejecutable:

./dist/voice_stdio

Modo MCP

Ejecutar el servicio:

python mcp_server.py

O utilice el ejecutable:

./dist/voice_mcp

Resultados del reconocimiento de voz

El servicio proporciona resultados de reconocimiento de voz estructurados. A continuación, se muestra un ejemplo del formato de respuesta:

Respuesta de la API original

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

Respuesta reestructurada

{
    "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
}

Campos de resultados de etiquetas

El campo label_result contiene la siguiente información estructurada:

Campo	Descripción	Valor de ejemplo
lan	Código de idioma	"en"
emo	Estado emocional	"desconocido"
tipo	Tipo de audio	"discurso"
vocero	Identificador del hablante	"woitn"
texto	Contenido de texto reconocido	"prueba, prueba, prueba"

Etiquetas especiales

El servicio reconoce y procesa las siguientes etiquetas especiales en la respuesta original:

<|en|> - Código de idioma
<|EMO_UNKNOWN|> - Estado emocional
<|Speech|> - Tipo de audio
<|woitn|> - Identificador del hablante

Construyendo ejecutables

Hacer que el script de compilación sea ejecutable:

chmod +x build_exec.sh

Construir ejecutable en modo stdio:

./build_exec.sh

Construir ejecutable en modo MCP:

./build_exec.sh mcp

Los ejecutables se crearán en:

Modo stdio: dist/voice_stdio
Modo MCP: dist/voice_mcp

Pruebas

Ejecute los scripts de prueba:

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

Licencia

Este proyecto está licenciado bajo la licencia MIT: consulte el archivo de LICENCIA para obtener más detalles.

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.

Proporciona capacidades de reconocimiento de voz y extracción de texto con soporte para los modos stdio y MCP, procesando archivos de audio o datos codificados en base64 y devolviendo resultados estructurados con información de idioma, emoción y hablante.

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