whisper-mcp

Lokale Whisper-Transkription, bereitgestellt als MCP-Server — sodass jeder MCP-Client (Claude Desktop, Claude Code usw.) Audio-/Videodateien transkribieren, .srt-Untertitel erzeugen und Untertitel direkt als Tool-Aufrufe in ein Video einbrennen kann. Keine Cloud-API, kein manueller Schritt „Skript ausführen und dann die Ausgabedatei lesen“.

Basiert auf faster-whisper für die Inferenz und ffmpeg für die Audioextraktion / das Einbrennen von Untertiteln.

Architektur

MCP client (Claude, etc.) --stdio--> whisper-mcp server --> faster-whisper (Whisper model)
                                                        \--> ffmpeg (audio extract / burn-in)

Der Server hält geladene Whisper-Modelle für die Lebensdauer des Prozesses im Cache, sodass wiederholte Tool-Aufrufe in einer Sitzung nicht erneut die Modell-Ladezeit in Kauf nehmen müssen.

Related MCP server: Whisper MCP Server

Tools

Voraussetzungen

• Python 3.10+

• ffmpeg im PATH

• Optional: eine CUDA-fähige GPU (fällt automatisch auf CPU zurück)

Installieren & ausführen

pip install -e ".[dev]"
whisper-mcp

Oder ganz ohne Installation:

uvx --from git+https://github.com/Chain-P/whisper-mcp whisper-mcp

In einem MCP-Client konfigurieren

Fügen Sie Folgendes zur MCP-Konfiguration Ihres Clients hinzu (z. B. zur .mcp.json von Claude Code oder zur claude_desktop_config.json von Claude Desktop):

{
  "mcpServers": {
    "whisper": {
      "command": "whisper-mcp"
    }
  }
}

Bitten Sie den Client dann, eine Datei zu transkribieren, z. B. „transkribiere samples/podcast_clip.mp4 und gib mir die SRT.“

Entwicklung

pip install -e ".[dev]"
ruff check .
pytest                        # unit tests only
pytest -m integration         # + real transcription against a sample file

Roadmap

• Sprecher-Diarisierung (pyannote.audio / whisperx) zur Kennzeichnung mehrerer Sprecher in der SRT-Ausgabe.

• MCP-Fortschrittsmeldungen für lange Transkriptionen.

• Eine resource, die den Verlauf der letzten Transkriptionen bereitstellt.

Lizenz

MIT