AI导哈

语音转录工具

一款利用Apple Neural Engine实现76倍实时速度的本地语音转录工具，支持生成YouTube字幕和文本转录，适用于音频和视频文件的快速处理。

  • by Kilo-Loco
  • Python
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 Kilo-Loco/transcription-mcp

使用说明

转录MCP

本地转录 76倍实时 使用苹果的神经引擎。API成本为零。YouTube上的字幕。

在3分钟内转录一段3小时的视频。一切都在设备上运行——你的音频永远不会离开你的Mac。

它的作用

  • 转录音频和视频 在神经引擎上使用Apple SpeechAnalyzer的文件
  • 产生 .srt 字幕文件 已准备好上传YouTube字幕
  • 写 .txt 文字记录 在源文件旁边
  • 存储成绩单 在具有全文搜索功能的可搜索SQLite存档中
  • 提取音频片段 这样克劳德就可以听到并验证不清楚的单词
  • 适用于 克劳德代码, 开爪，以及任何兼容MCP的客户端

安装

pip install transcription-mcp

或与 紫外线:

uv pip install transcription-mcp

快速开始

1.添加到克劳德代码

添加到您的 ~/.claude.json:

{
  "mcpServers": {
    "transcription": {
      "command": "transcription-mcp",
      "args": []
    }
  }
}

2.转录

在Claude Code中，只需问：

“转录/路径/到/我的视频.mp4”

Claude将转录文件，清理输出，并呈现格式化的转录本。一 .srt YouTube字幕文件是自动写入的。

3.搜索过去的成绩单

“在我的成绩单中搜索‘神经引擎’”

特性

功能 详细信息
速度 苹果神经引擎（M1/M2/M3/M4）上的约76倍实时
隐私 100%在设备上-音频永远不会离开你的Mac
字幕 YouTube就绪 .srt 带有字级时间戳的文件
搜索 对所有过去的成绩单进行全文搜索（SQLite+FTS5）
格式 ffmpeg支持的任何音频/视频格式
语言 Apple SpeechAnalyzer支持的所有语言
成本 永远免费-没有API密钥，没有订阅，没有云

需求

  • macOS 26.0 （Tahoe）或更晚
  • 苹果芯片 （M1/M2/M3/M4）——使用神经引擎
  • FFmpeg --用于从视频文件中提取音频
    brew install ffmpeg
  • Python 3.11+

运作原理

Audio/Video File
       |
       v
   [ffmpeg] ──> 16kHz mono WAV
       |
       v
  [SpeechCLI] ──> Apple SpeechAnalyzer (Neural Engine)
       |
       v
  JSON (word-level timestamps + segments)
       |
       v
  [MCP Server] ──> .txt transcript
                ──> .srt subtitles
                ──> SQLite archive (searchable)

Swift命令行界面(SpeechCLI)包装苹果 SpeechAnalyzer 该框架在神经引擎上运行转录，神经引擎是机器学习推理的专用硬件。这就是它如此快的原因：它不使用你的CPU或GPU。

MCP工具参考

transcribe

转录音频或视频文件。生产 .txt 和 .srt 源旁边的文件。

参数 类型 默认值 说明
file_path string 必需 音频/视频文件的绝对路径
language 字符串 "en" 语言代码（例如。， "en", "es", "ja")

get_transcript

通过可选的时间过滤按ID检索存储的成绩单。

参数 类型 默认值 说明
transcript_id string 必填 成绩单ID
format 字符串 "segments" "segments" 或 "words"
start_time float null 过滤到此时间（秒）后的单词
end_time float null 过滤到此时间（秒）之前的单词

get_audio_slice

提取一个简短的音频片段进行单词验证。

参数 类型 默认值 说明
transcript_id string 必填 成绩单ID
start_time float 必填 开始时间（秒）
end_time float 必填 结束时间（秒）

search_transcripts

在所有存储的成绩单中进行全文搜索。支持FTS5语法（AND、OR、NOT、短语）。

list_transcripts

列出所有存储的带有元数据的转录本。

常见问题解答

Q： 这在Intel Mac上有效吗？ A： 不需要。Apple SpeechAnalyzer需要Apple Silicon（M1或更高版本）和macOS 26。

Q： 支持哪些音频/视频格式？ A： 任何ffmpeg都可以解码——MP4、MOV、MKV、MP3、M4A、WAV、FLAC等等。

Q： 转录有多准确？ A： Apple SpeechAnalyzer使用设备上的神经模型。准确度可与清晰语音的云服务相媲美。Claude审查并清理输出。

Q： 成绩单存储在哪里？ A： In ~/Library/Application Support/transcription-mcp/transcripts.db。这是一个可以直接查询的标准SQLite数据库。

Q： 我可以在没有Claude Code的情况下使用它吗？ A： 是的，它适用于任何MCP客户端。你也可以跑步 transcription-mcp 直接作为stdio MCP服务器。

Q： 我的音频数据是否被发送到任何地方？ A： 不，所有东西都在你的Mac上本地运行。没有网络调用，没有云API，没有遥测。

许可证

麻省理工学院

相关 MCP