Servicio MCP de reconocimiento de voz

Este servicio proporciona capacidades de reconocimiento de voz y extracción de texto a través de los modos stdio y MCP.

Características

• Reconocimiento de voz desde archivo

• Reconocimiento de voz a partir de datos codificados en base64

• Extracción de texto

• Soporte para los modos stdio y MCP

• Resultados del reconocimiento de voz estructurado

Related MCP server: Analytical MCP Server

Estructura del proyecto

• voice_service.py - Implementación del servicio principal

• stdio_server.py - punto de entrada del modo stdio

• mcp_server.py - Punto de entrada del modo MCP

• build.py - Script de compilación para ejecutables

• build_exec.sh - Script de ejecución de compilación

• test_*.sh - Scripts de prueba para diferentes funcionalidades

Instalación

1. Clonar el repositorio:

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

2. Instalar dependencias:

pip install -r requirements.txt

3. Configurar variables de entorno en .env :

API_URL=your_api_url
API_KEY=your_api_key

Uso

Modo stdio

1. Ejecutar el servicio:

python stdio_server.py

2. Enviar solicitudes JSON-RPC a través de stdin:

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

3. O utilice el ejecutable:

./dist/voice_stdio

Modo MCP

1. Ejecutar el servicio:

python mcp_server.py

2. O utilice el ejecutable:

./dist/voice_mcp

Resultados del reconocimiento de voz

El servicio proporciona resultados de reconocimiento de voz estructurados. A continuación, se muestra un ejemplo del formato de respuesta:

Respuesta de la API original

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

Respuesta reestructurada

{
    "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
}

Campos de resultados de etiquetas

El campo label_result contiene la siguiente información estructurada:

Etiquetas especiales

El servicio reconoce y procesa las siguientes etiquetas especiales en la respuesta original:

• <|en|> - Código de idioma

• <|EMO_UNKNOWN|> - Estado emocional

• <|Speech|> - Tipo de audio

• <|woitn|> - Identificador del hablante

Construyendo ejecutables

1. Hacer que el script de compilación sea ejecutable:

chmod +x build_exec.sh

2. Construir ejecutable en modo stdio:

./build_exec.sh

3. Construir ejecutable en modo MCP:

./build_exec.sh mcp

Los ejecutables se crearán en:

• Modo stdio: dist/voice_stdio

• Modo MCP: dist/voice_mcp

Pruebas

Ejecute los scripts de prueba:

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

Licencia

Este proyecto está licenciado bajo la licencia MIT: consulte el archivo de LICENCIA para obtener más detalles.