Skip to main content
Glama
deenesjakoruzh

Voice Recognition MCP Service

by yangsenessa
GitHub
Python
MIT License
OverviewInspectNewSchemaRelated ServersReviewsScore
Need Help?View Source CodeReport Issue

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

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

  1. 克隆存储库：
git clone https://github.com/AIO-2030/mcp_voice_identify.git cd mcp_voice_identify
  1. 安装依赖项：
pip install -r requirements.txt
  1. 在.env中设置环境变量：
API_URL=your_api_url API_KEY=your_api_key

用法

stdio模式

  1. 运行服务：
python stdio_server.py
  1. 通过 stdin 发送 JSON-RPC 请求：
{ "jsonrpc": "2.0", "method": "help", "params": {}, "id": 1 }
  1. 或者使用可执行文件：
./dist/voice_stdio

MCP 模式

  1. 运行服务：
python mcp_server.py
  1. 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

  1. 使构建脚本可执行：
chmod +x build_exec.sh
  1. 构建 stdio 模式可执行文件：
./build_exec.sh
  1. 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_stdio
  • MCP 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

-
security - not tested
A
license - permissive license
-
quality - not tested

How are these scores calculated?

remote-capable server

The server can be hosted and run remotely because it primarily relies on remote services or has no dependency on the local environment.

提供语音识别和文本提取功能，支持 stdio 和 MCP 模式，处理音频文件或 base64 编码数据并返回包含语言、情感和说话者信息的结构化结果。

  1. 特征
    1. 项目结构
      1. 安装
        1. 用法
          1. stdio模式
          2. MCP 模式
        2. 语音识别结果
          1. 原始 API 响应
          2. 重组响应
          3. 标签结果字段
          4. 特殊标签
        3. 构建可执行文件
          1. 测试
            1. 执照

              Related MCP Servers

              • Kokoro TTS MCP Server

                giannisanni
                -
                security
                F
                license
                -
                quality
                Provides text-to-speech capabilities through the Model Context Protocol, allowing applications to easily integrate speech synthesis with customizable voices, adjustable speech speed, and cross-platform audio playback support.
                Last updated -
                7
                Python

              • Analytical MCP Server

                quanticsoul4772
                -
                security
                A
                license
                -
                quality
                Provides advanced analytical, research, and natural language processing capabilities through a Model Context Protocol server, enabling dataset analysis, decision analysis, and enhanced NLP features like entity recognition and fact extraction.
                Last updated -
                2
                TypeScript
                MIT License
                • Linux
                • Apple

              • VOICEVOX MCP Server

                Yuki10Kobayashi
                A
                security
                A
                license
                A
                quality
                A Model Context Protocol server that integrates with VOICEVOX engine to provide text-to-speech synthesis and speaker information retrieval, allowing users to generate and play voice audio from text.
                Last updated -
                2
                TypeScript
                MIT License
                • Apple

              View all related MCP servers

              Appeared in Searches

              New MCP Servers

              MCP directory API

              We provide all the information about MCP servers via our MCP API.

              curl -X GET 'https://glama.ai/api/mcp/v1/servers/yangsenessa/mcp_voice_identify'

              If you have feedback or need assistance with the MCP directory API, please join our Discord server