AI导哈

语音转文字MCP服务

一个面向Agent的高质量语音转文字MCP服务，支持长音频分块、上下文传递和时间戳分段，适用于会议记录、通话分析、字幕草稿和语音备忘录转录等场景。

  • by Starrylyn
  • Python
  • 本地部署
  • 6 星标
  • 更新于
在 GitHub 查看 Starrylyn/autoglm-asr-mcp

使用说明

AutoGLM ASR MCP服务器

使用知普AutoGLM ASR进行高质量语音到文本转录的MCP服务器。

CN: 一个面向 Agent 的语音转文字 MCP 服务，支持长音频分块、上下文传递和时间戳分段。

有关面向AI的设置详细信息，请参阅 AI_SETUP_GUIDE.md.

人工智能代理（TL；DR）

  • 类型：MCP服务器
  • 域：ASR/语音转文本/转录
  • 输入：本地音频文件路径
  • 输出：完整转录文本+时间戳段
  • 最适合：会议笔记、通话分析、字幕草稿、语音备忘录转录
  • 支持的音频格式： mp3, wav, m4a, flac, ogg, webm
  • 核心工具： transcribe_audio, get_audio_info

它做什么

  • 使用自动分块功能转录短音频文件和长音频文件。
  • 使用上下文感知模式来平衡速度和质量。
  • 返回可读的全文和段级时间戳。
  • 作为编码助手的MCP服务器在stdio上运行。

工具索引

工具 目的 必需参数 可选参数 返回值
transcribe_audio 将音频转录为文本 audio_path context_mode, max_concurrency 完整的成绩单和时间对齐的片段
get_audio_info 转录前检查音频 audio_path 无 持续时间、格式、通道、采样率、估计块

特性

  • 滑动窗口并发的快速长音频转录。
  • 通过块到块上下文传递提高准确性。
  • 长输入的自动拆分（API限制友好）。
  • 零安装运行时 npx.
  • 适用于常见的MCP客户端。

安装

先决条件

ffmpeg 必须安装：

# macOS
brew install ffmpeg

# Ubuntu/Debian
apt install ffmpeg

# Windows
choco install ffmpeg

从获取API密钥 智普AI开放平台.

NPX（推荐）

npx autoglm-asr-mcp

快速开始

将此MCP服务器添加到您的客户端配置中并设置 AUTOGLM_ASR_API_KEY.

{
  "mcpServers": {
    "autoglm-asr": {
      "command": "npx",
      "args": ["-y", "autoglm-asr-mcp"],
      "env": {
        "AUTOGLM_ASR_API_KEY": "your-api-key"
      }
    }
  }
}

兼容性

  • 克劳德桌面/克劳德代码
  • 光标
  • 帆板运动
  • VS代码MCP
  • 其他MCP兼容客户端

VS Code快速安装：

工具

transcribe_audio

将音频文件转录为带有定时段的文本。

论据：

名称 类型 必填 描述
audio_path string 是 音频文件的绝对路径
context_mode string 否 sliding （默认）， none （最快）， full_serial （质量最好，速度较慢）
max_concurrency integer 否 最大并行请求数，范围 1-20，默认值 5

退货：

  • 完整转录文本
  • 带时间戳的段列表
  • 基本运行统计数据（块、模式、运行时间）

常见错误：

  • 找不到文件或路径不可读
  • 格式不受支持或音频流中断
  • 缺少/无效的API密钥

get_audio_info

转录前检查音频文件。

论据：

名称 类型 必填 描述
audio_path string 是 音频文件的绝对路径

退货：

  • 持续时间
  • 格式
  • 采样率
  • 频道
  • 估计块数

上下文模式

模式 速度 质量 描述
sliding 快速 高 第一个块初始化上下文，后面的块与上下文并行运行
none 最快 中等 块并行独立运行
full_serial 慢速 最佳 使用完整上下文链按顺序转录所有块

环境变量

变量 默认值 描述
AUTOGLM_ASR_API_KEY 必需 您的智浦API密钥
AUTOGLM_ASR_API_BASE https://open.bigmodel.cn/api/paas/v4/audio/transcriptions API终点
AUTOGLM_ASR_MODEL glm-asr-2512 ASR型号名称
AUTOGLM_ASR_MAX_CHUNK_DURATION 25 最大块持续时间（秒）
AUTOGLM_ASR_MAX_CONCURRENCY 5 默认并发性
AUTOGLM_ASR_CONTEXT_MAX_CHARS 2000 块之间传递的最大上下文大小

用例

  • 将会议记录转换为可编辑的成绩单
  • 客户支持电话转录
  • 播客/视频字幕草稿生成
  • 语音备忘录索引和搜索

局限性

  • 需要本地文件路径输入（不是远程URL输入）。
  • 音频质量强烈影响转录质量。
  • 非常嘈杂或多扬声器重叠会降低准确性。

故障排除

  • ffmpeg not found：安装ffmpeg并重试。
  • File not found：传递一条绝对现有路径。
  • API错误：验证 AUTOGLM_ASR_API_KEY 以及账户配额。

关键词

mcp, model-context-protocol, asr, speech-to-text, transcription, autoglm, zhipu, chinese-asr, audio-transcription, meeting-transcript, subtitle-generation, voice-to-text, agent-tools, llm-tools, coding-agent

许可证

麻省理工学院

相关 MCP