Skip to main content
Glama

CLOVA Speech 讲座 MCP 服务器

这是一个用于讲座录音 STT 和摘要的 MCP 服务器。 通过 Google ADK 代理调用 Naver CLOVA Speech / CLOVA Studio API。


提供工具

工具名称

说明

适用场景

transcribe_short

同步 STT(60秒以下)

短片段、测试

transcribe_lecture_submit

异步 STT 提交(完整讲座)

数十分钟至数小时的讲座

get_transcription_result

异步 STT 结果查询

提交后的轮询

summarize_lecture

讲座转录稿摘要

转录完成后


Related MCP server: Whisper Valet

开始使用

1. 获取 API 密钥

CLOVA Speech (STT)

  1. 登录 Naver Cloud Platform

  2. AI Services → CLOVA Speech → 申请使用

  3. 创建服务后复制 Secret Key

CLOVA Studio (摘要)

  1. AI Services → CLOVA Studio → 申请使用

  2. 在 Playground 中创建应用

  3. 复制 API 密钥和应用 ID

2. .env 设置

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. 运行

# Docker
docker-compose up -d

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

4. 连接 ADK 代理

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

讲座处理流程

[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]

支持的音频格式

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

支持的语言

代码 (短文)

代码 (长文)

语言

Kor

ko-KR

韩语

Eng

en-US

英语

Jpn

ja-JP

日语

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