语音识别MCP服务

该服务通过 stdio 和 MCP 模式提供语音识别和文本提取功能。

特征

文件中的语音识别
通过 base64 编码数据进行语音识别
文本提取
支持 stdio 和 MCP 模式
结构化语音识别结果

项目结构

voice_service.py - 核心服务实现
stdio_server.py - stdio 模式入口点
mcp_server.py - MCP 模式入口点
build.py可执行文件的构建脚本
build_exec.sh - 构建执行脚本
test_*.sh不同功能的测试脚本

安装

克隆存储库：

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

安装依赖项：

pip install -r requirements.txt

在.env中设置环境变量：

API_URL=your_api_url
API_KEY=your_api_key

用法

stdio模式

运行服务：

python stdio_server.py

通过 stdin 发送 JSON-RPC 请求：

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

或者使用可执行文件：

./dist/voice_stdio

MCP 模式

运行服务：

python mcp_server.py

或者使用可执行文件：

./dist/voice_mcp

语音识别结果

该服务提供结构化的语音识别结果。以下是响应格式的示例：

原始 API 响应

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

重组响应

{
    "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
}

标签结果字段

label_result字段包含以下结构化信息：

场地	描述	示例值
局域网	语言代码	“en”
情绪摇滚	情绪状态	“未知”
类型	音频类型	“演讲”
扬声器	说话人识别器	“沃因”
文本	识别的文本内容	“测试测试测试”

特殊标签

该服务识别并处理原始响应中的以下特殊标签：

<|en|> - 语言代码
<|EMO_UNKNOWN|> - 情绪状态
<|Speech|> - 音频类型
<|woitn|> - 说话人标识符

构建可执行文件

使构建脚本可执行：

chmod +x build_exec.sh

构建 stdio 模式可执行文件：

./build_exec.sh

构建 MCP 模式可执行文件：

./build_exec.sh mcp

可执行文件将在以下位置创建：

stdio 模式： dist/voice_stdio
MCP 模式： dist/voice_mcp

测试

运行测试脚本：

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

执照

该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。

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.

提供语音识别和文本提取功能，支持 stdio 和 MCP 模式，处理音频文件或 base64 编码数据并返回包含语言、情感和说话者信息的结构化结果。

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

语音识别MCP服务

特征

项目结构

安装

用法

stdio模式

MCP 模式

语音识别结果

原始 API 响应

重组响应

标签结果字段

特殊标签

构建可执行文件

测试

执照

Related MCP Servers

Speech MCP

mcp-audio-analysis

TTS-MCP

Audio Transcriber MCP Server

New MCP Servers

MCP directory API