asr_mcp_server

基本能力

产品定位

ASR MCP Server 是一个专注于自动语音识别（ASR）和文本到语音（TTS）功能的服务，旨在为开发者提供高效的语音处理能力。

核心功能

• 使用 whisper 引擎实现自动语音识别（ASR）。
• 通过 MCP 工具暴露 TTS 功能，支持语音合成。
• 支持批量处理和多语言语音识别。

适用场景

• 视频内容生成：自动生成多语言脚本和语音，适用于 TikTok、YouTube 等平台。
• 虚拟数字发言人：创建多语言口音的 AI 虚拟形象，用于本地化营销。
• 跨语言语音处理：支持多种语言的语音识别和合成，适用于全球化应用。

工具列表

• whisper 引擎：用于实现高质量的自动语音识别。
• MCP 工具：用于暴露 TTS 功能，便于集成到应用程序中。

常见问题解答

• 如何安装 whisper 引擎？ 需要安装 openai whisper，具体安装步骤可参考官方文档。
• 如何配置 MCP 服务器？ 提供 JSON 配置文件，指定命令和参数即可。

使用教程

使用依赖

• Python 3.10 或更高版本
• uv 包管理器
• openai whisper

安装教程

1. 确保已安装 Python 3.10 或更高版本。
2. 安装 uv 包管理器： bash pip install uv
3. 安装 openai whisper： bash pip install openai-whisper
4. 下载并配置 ASR MCP Server： json { "mcpServers": { "asr_mcp_server": { "command": "/YOUR_CONDA_PATH/bin/uv", "args": [ "--directory", "/YOUR_PATH/asr_mcp_server", "run", "asr_server.py" ] } } }

调试方式

1. 启动 ASR MCP Server： bash /YOUR_CONDA_PATH/bin/uv --directory /YOUR_PATH/asr_mcp_server run asr_server.py
2. 检查日志文件，确保服务正常运行。
3. 使用 MCP 工具测试 TTS 功能，确保语音合成正常工作。

许可证

None