语音识别MCP服务
该服务通过 stdio 和 MCP 模式提供语音识别和文本提取功能。
特征
文件中的语音识别
通过 base64 编码数据进行语音识别
文本提取
支持 stdio 和 MCP 模式
结构化语音识别结果
Related MCP server: Analytical MCP Server
项目结构
voice_service.py- 核心服务实现stdio_server.py- stdio 模式入口点mcp_server.py- MCP 模式入口点build.py可执行文件的构建脚本build_exec.sh- 构建执行脚本test_*.sh不同功能的测试脚本
安装
克隆存储库：
git clone https://github.com/AIO-2030/mcp_voice_identify.git
cd mcp_voice_identify安装依赖项：
pip install -r requirements.txt在
.env中设置环境变量：
API_URL=your_api_url
API_KEY=your_api_key用法
stdio模式
运行服务：
python stdio_server.py通过 stdin 发送 JSON-RPC 请求：
{
"jsonrpc": "2.0",
"method": "help",
"params": {},
"id": 1
}或者使用可执行文件：
./dist/voice_stdioMCP 模式
运行服务：
python mcp_server.py或者使用可执行文件：
./dist/voice_mcp语音识别结果
该服务提供结构化的语音识别结果。以下是响应格式的示例：
原始 API 响应
{
"jsonrpc": "2.0",
"result": {
"message": "input processed successfully",
"results": "test test test",
"label_result": "<|en|><|EMO_UNKNOWN|><|Speech|><|woitn|>test test test"
},
"id": 1
}重组响应
{
"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
}标签结果字段
label_result字段包含以下结构化信息：
场地 | 描述 | 示例值 |
局域网 | 语言代码 | “en” |
情绪摇滚 | 情绪状态 | “未知” |
类型 | 音频类型 | “演讲” |
扬声器 | 说话人识别器 | “沃因” |
文本 | 识别的文本内容 | “测试测试测试” |
特殊标签
该服务识别并处理原始响应中的以下特殊标签：
<|en|>- 语言代码<|EMO_UNKNOWN|>- 情绪状态<|Speech|>- 音频类型<|woitn|>- 说话人标识符
构建可执行文件
使构建脚本可执行：
chmod +x build_exec.sh构建 stdio 模式可执行文件：
./build_exec.sh构建 MCP 模式可执行文件：
./build_exec.sh mcp可执行文件将在以下位置创建：
stdio 模式：
dist/voice_stdioMCP 模式：
dist/voice_mcp
测试
运行测试脚本：
chmod +x test_*.sh
./test_help.sh
./test_voice_file.sh
./test_voice_base64.sh执照
该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。
This server cannot be installed
Resources
Looking for Admin?
Admins can modify the Dockerfile, update the server description, and track usage metrics. If you are the server author, to access the admin panel.