Служба распознавания голоса MCP

Эта служба обеспечивает возможности распознавания голоса и извлечения текста как в режимах stdio, так и в режимах MCP.

Функции

• Распознавание голоса из файла

• Распознавание голоса из данных, закодированных в base64

• Извлечение текста

• Поддержка режимов stdio и MCP

• Структурированные результаты распознавания голоса

Related MCP server: GhostMinutes MCP

Структура проекта

• voice_service.py — реализация основного сервиса

• stdio_server.py - точка входа в режим stdio

• mcp_server.py — точка входа в режим MCP

• build.py — скрипт сборки исполняемых файлов

• build_exec.sh — скрипт выполнения сборки

• test_*.sh — тестовые скрипты для различных функций

Установка

1. Клонируйте репозиторий:

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

2. Установите зависимости:

pip install -r requirements.txt

3. Настройте переменные среды в .env :

API_URL=your_api_url
API_KEY=your_api_key

Использование

Режим stdio

1. Запустите службу:

python stdio_server.py

2. Отправляйте запросы JSON-RPC через stdin:

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

3. Или используйте исполняемый файл:

./dist/voice_stdio

Режим МКП

1. Запустите службу:

python mcp_server.py

2. Или используйте исполняемый файл:

./dist/voice_mcp

Результаты распознавания голоса

Сервис предоставляет структурированные результаты распознавания голоса. Вот пример формата ответа:

Исходный ответ API

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

Реструктурированный ответ

{
    "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
}

Поля результатов метки

Поле label_result содержит следующую структурированную информацию:

Специальные этикетки

Служба распознает и обрабатывает следующие специальные метки в исходном ответе:

• <|en|> - Код языка

• <|EMO_UNKNOWN|> - Состояние эмоций

• <|Speech|> - Тип аудио

• <|woitn|> - Идентификатор говорящего

Создание исполняемых файлов

1. Сделайте скрипт сборки исполняемым:

chmod +x build_exec.sh

2. Собрать исполняемый файл в режиме stdio:

./build_exec.sh

3. Собрать исполняемый файл режима MCP:

./build_exec.sh mcp

Исполняемые файлы будут созданы по адресу:

• режим stdio: dist/voice_stdio

• Режим MCP: dist/voice_mcp

Тестирование

Запустите тестовые скрипты:

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

Лицензия

Данный проект лицензирован по лицензии MIT — подробности см. в файле LICENSE.