MCP-Dienst zur Spracherkennung

Dieser Dienst bietet Spracherkennungs- und Textextraktionsfunktionen sowohl im Standard- als auch im MCP-Modus.

Merkmale

• Spracherkennung aus Datei

• Spracherkennung aus Base64-kodierten Daten

• Textextraktion

• Unterstützung für Standard- und MCP-Modus

• Strukturierte Spracherkennungsergebnisse

Related MCP server: GhostMinutes MCP

Projektstruktur

• voice_service.py – Implementierung des Kerndienstes

• stdio_server.py – Einstiegspunkt für den Stdio-Modus

• mcp_server.py - Einstiegspunkt für den MCP-Modus

• build.py - Build-Skript für ausführbare Dateien

• build_exec.sh - Build-Ausführungsskript

• test_*.sh - Testskripte für verschiedene Funktionalitäten

Installation

1. Klonen Sie das Repository:

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

2. Installieren Sie Abhängigkeiten:

pip install -r requirements.txt

3. Richten Sie Umgebungsvariablen in .env ein:

API_URL=your_api_url
API_KEY=your_api_key

Verwendung

stdio-Modus

1. Führen Sie den Dienst aus:

python stdio_server.py

2. Senden Sie JSON-RPC-Anfragen über stdin:

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

3. Oder verwenden Sie die ausführbare Datei:

./dist/voice_stdio

MCP-Modus

1. Führen Sie den Dienst aus:

python mcp_server.py

2. Oder verwenden Sie die ausführbare Datei:

./dist/voice_mcp

Ergebnisse der Spracherkennung

Der Dienst liefert strukturierte Spracherkennungsergebnisse. Hier ist ein Beispiel für das Antwortformat:

Ursprüngliche API-Antwort

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

Umstrukturierte Antwort

{
    "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
}

Ergebnisfelder beschriften

Das Feld label_result enthält die folgenden strukturierten Informationen:

Spezialetiketten

Der Dienst erkennt und verarbeitet die folgenden speziellen Bezeichnungen in der Originalantwort:

• <|en|> - Sprachcode

• <|EMO_UNKNOWN|> – Emotionaler Zustand

• <|Speech|> - Audiotyp

• <|woitn|> – Sprecherkennung

Erstellen ausführbarer Dateien

1. Machen Sie das Build-Skript ausführbar:

chmod +x build_exec.sh

2. Ausführbare Datei im stdio-Modus erstellen:

./build_exec.sh

3. Ausführbare Datei im MCP-Modus erstellen:

./build_exec.sh mcp

Die ausführbaren Dateien werden erstellt unter:

• stdio-Modus: dist/voice_stdio

• MCP-Modus: dist/voice_mcp

Testen

Führen Sie die Testskripte aus:

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

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert – Einzelheiten finden Sie in der Datei LICENSE.