Skip to main content
Glama

CLOVA Speech Lecture MCP Server

講義録音のSTTおよび要約のためのMCPサーバーです。 Google ADKエージェントからNaver CLOVA Speech / CLOVA Studio APIを呼び出します。


提供ツール

ツール名

説明

適した状況

transcribe_short

同期STT(60秒以下)

短いクリップ、テスト

transcribe_lecture_submit

非同期STT提出(講義全体)

数十分〜数時間の講義

get_transcription_result

非同期STT結果照会

submit後のポーリング

summarize_lecture

講義の文字起こし要約

文字起こし完了後


Related MCP server: Whisper Valet

はじめに

1. APIキーの発行

CLOVA Speech (STT)

  1. Naver Cloud Platformにログイン

  2. AI Services → CLOVA Speech → 利用申請

  3. サービス作成後、Secret Keyをコピー

CLOVA Studio (要約)

  1. AI Services → CLOVA Studio → 利用申請

  2. Playgroundでアプリを作成

  3. APIキーおよびアプリIDをコピー

2. .env設定

cp .env .env.local   # 실제 값으로 수정
CLOVA_SPEECH_API_KEY=실제_키_입력
CLOVA_STUDIO_CLIENT_ID=실제_Client_ID
CLOVA_STUDIO_CLIENT_SECRET=실제_Client_Secret
CLOVA_STUDIO_APP_ID=실제_앱_ID

3. 実行

# Docker
docker-compose up -d

# 로컬 실행
pip install -r requirements.txt
python app/main.py

4. ADKエージェント接続

# agent.py 예시
tools = [
    MCPToolset(
        connection_params=SseServerParams(url="http://localhost:8002/sse")
    )
]

講義処理フロー

[강의 오디오 파일]
       ↓
transcribe_lecture_submit(file_path, enable_diarization=True)
       ↓ (task_id 반환)
get_transcription_result(task_id)   ← 완료까지 자동 폴링
       ↓ (full_text 반환)
summarize_lecture(text)
       ↓
[요약문 + 키워드]

対応オーディオ形式

.wav .mp3 .flac .m4a .aac .ogg

対応言語

コード (短文)

コード (長文)

言語

Kor

ko-KR

韓国語

Eng

en-US

英語

Jpn

ja-JP

日本語

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      A
      quality
      D
      maintenance
      Enables automated audio restoration, transcription, and speaker diarization via MCP tools for queuing files, monitoring progress, and retrieving speaker-labeled transcripts.
      9
      MIT
    • A
      license
      A
      quality
      B
      maintenance
      Enables transcription and subtitling of Tunisian Derja mixed with French and English, speech and voiceover generation, translation, and Arabizi–Arabic script conversion inside MCP clients. It also supports speaker diarization, subtitle translation, transcript search, and audio editing.
      16
      488 npm
      MIT