whisper-mcp

本地 Whisper 转录能力，以 MCP 服务器的形式对外暴露——因此任何 MCP 客户端（Claude Desktop、Claude Code 等）都可以直接以工具调用的形式转录音频/视频文件、生成 .srt 字幕，并将字幕烧录到视频中。无需云 API，也无需手动“运行脚本然后再去读取输出文件”这一步。

基于 faster-whisper 进行推理，并使用 ffmpeg 进行音频提取 / 字幕烧录。

架构

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

服务器会在进程的整个生命周期内，将已加载的 Whisper 模型缓存在内存中，因此同一会话中重复的工具调用无需再次承担模型加载时间。

Related MCP server: Whisper MCP Server

工具

要求

• Python 3.10+

• PATH 中包含 ffmpeg

• 可选：支持 CUDA 的 GPU（自动回退到 CPU）

安装与运行

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

或者，零安装：

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

在 MCP 客户端中配置

添加到你的客户端 MCP 配置中（例如 Claude Code 的 .mcp.json，或 Claude Desktop 的 claude_desktop_config.json）：

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

然后让客户端转录一个文件，例如：“转录 samples/podcast_clip.mp4 并给我 SRT 文件。”

开发

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

路线图

• 说话人分离（pyannote.audio / whisperx），用于在 SRT 输出中对多个说话人进行标注。

• 针对长时间转录的 MCP 进度通知。

• 一个 resource，用于暴露最近的转录历史。

许可证

MIT