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。

功能

• 从文件进行语音识别
• 从Base64编码数据进行语音识别
• 文本提取
• 支持stdio和MCP两种模式
• 结构化的语音识别结果
• 符合AIO协议的响应

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. 克隆仓库： bash git clone https://github.com/AIO-2030/mcp_voice_identify.git cd mcp_voice_identify

2. 安装依赖项： bash pip install -r requirements.txt

3. 在.env中设置环境变量：

API_URL=your_api_url API_KEY=your_api_key

使用

stdio 模式

1. 运行服务： bash python stdio_server.py

2. 通过标准输入发送JSON-RPC请求： json { "jsonrpc": "2.0", "method": "help", "params": {}, "id": 1 }

3. 或者使用可执行文件： bash ./dist/voice_stdio

MCP 模式

1. 运行服务： bash python mcp_server.py

2. 或者使用可执行文件： bash ./dist/voice_mcp

响应格式

该服务遵循AIO协议的响应格式。以下是不同响应类型的示例：

语音识别响应

json { "jsonrpc": "2.0", "output": { "type": "voice", "message": "语音处理成功", "text": "test test test", "metadata": { "language": "en", "emotion": "unknown", "audio_type": "speech", "speaker": "woitn", "raw_text": "test test test" } }, "id": 1 }

帮助信息响应

json { "jsonrpc": "2.0", "result": { "type": "voice_service", "description": "此服务提供语音识别和文本提取服务", "author": "AIO-2030", "version": "1.0.0", "github": "https://github.com/AIO-2030/mcp_voice_identify", "transport": ["stdio"], "methods": [ { "name": "help", "description": "显示帮助信息。" }, { "name": "identify_voice", "description": "从文件识别语音", "inputSchema": { "type": "object", "properties": { "file_path": { "type": "string", "description": "语音文件路径" } }, "required": ["file_path"] } }, { "name": "identify_voice_base64", "description": "从Base64编码数据识别语音", "inputSchema": { "type": "object", "properties": { "base64_data": { "type": "string", "description": "Base64编码的语音数据" } }, "required": ["base64_data"] } }, { "name": "extract_text", "description": "提取文本", "inputSchema": { "type": "object", "properties": { "text": { "type": "string", "description": "要提取的文本" } }, "required": ["text"] } } ] }, "id": 1 }

错误响应

json { "jsonrpc": "2.0", "output": { "type": "error", "message": "503 服务器错误：服务不可用", "error_code": 503 }, "id": 1 }### 响应字段

服务提供了三种类型的响应：

1. 语音识别响应（使用 output 字段）: | 字段 | 描述 | 示例值 | |-----------|---------------------------------|------------------------| | type | 响应类型 | "voice" | | message | 状态消息 | "Voice processed successfully" | | text | 识别的文本内容 | "test test test" | | metadata | 额外信息 | 请参见下文 |

2. 帮助信息响应（使用 result 字段）: | 字段 | 描述 | 示例值 | |---------------|---------------------------------|------------------------| | type | 服务类型 | "voice_service" | | description | 服务描述 | "This service provides..." | | author | 服务作者 | "AIO-2030" | | version | 服务版本 | "1.0.0" | | github | GitHub 仓库 URL | "https://github.com/..." | | transport | 支持的传输模式 | ["stdio"] | | methods | 可用方法 | 请参见方法列表 |

3. 错误响应（使用 output 字段）: | 字段 | 描述 | 示例值 | |-------------|---------------------------------|------------------------| | type | 响应类型 | "error" | | message | 错误消息 | "503 Server Error: Service Unavailable" | | error_code | HTTP 状态码 | 503 |

元数据字段

在语音识别响应中的 metadata 字段包含以下内容：

构建可执行文件

1. 使构建脚本可执行： bash chmod +x build_exec.sh

2. 构建 stdio 模式可执行文件： bash ./build_exec.sh

3. 构建 MCP 模式可执行文件： bash ./build_exec.sh mcp

生成的可执行文件位于：

• stdio 模式: dist/voice_stdio
• MCP 模式: dist/voice_mcp

测试

运行测试脚本：

bash chmod +x test_*.sh ./test_help.sh ./test_voice_file.sh ./test_voice_base64.sh

许可证

此项目根据 MIT 许可证发布 - 详情请参阅 LICENSE 文件。