vocce transcribe

vocce media — MCP サーバー

AI エージェントから直接、文字起こし、要約、メモ作成、フラッシュカード作成、質問、PDF の圧縮ができます。 vocce のホスト型バックエンド（Whisper large-v3 + LLM ツール）を利用しています。

✨ API キー不要 · ☁️ ホスト型（モデルや GPU の実行は不要） · 🆓 無料プレビュー

インストール

MCP クライアントの設定（Claude Desktop、Cursor、Windsurf、…）に次の設定を追加します。インストール作業は不要です。初回実行時に npx が取得します。

{
  "mcpServers": {
    "vocce": {
      "command": "npx",
      "args": ["-y", "vocce-transcribe-mcp"]
    }
  }
}

クライアントを再起動すると、6 つのツールを利用できます。

ツール

ツール	機能
transcribe	ローカルの音声／動画 → テキスト + SRT + VTT（100 以上の言語）
summarize	録音またはテキスト → 議事録／講義ノート／ToDo／チャプター
generate_notes	録音またはテキスト → 構成化された学習ノート（アウトライン／コーネル式／要点）
generate_flashcards	録音またはテキスト → 根拠に基づく Q&A フラッシュカード 5～20 枚
ask_document	ファイルについて質問 — 出典からのみ回答し、逐語的な引用を提示
compress_pdf	ローカルの PDF → サイズを縮小した PDF（軽度／バランス／強度）。テキストは鮮明なまま

コンテンツ用ツールでは、file_path（メディアは最初に自動で文字起こしされます。 .txt/.md/.srt/.vtt は直接読み込まれます）または生の text を渡します。

プロンプトの例：

「~/Downloads/interview.mp4 を文字起こしして、アクション項目を抜き出してください。」 「~/lectures/biology-week3.mp3 からフラッシュカードを 15 枚作成してください。」 「~/meetings/standup.mp4 について質問です。リリース日について何を決定しましたか？」 「~/Documents/report.pdf をメールで送れるサイズに圧縮してください。」

設定

環境変数	デフォルト	説明
VOCCE_API_BASE	https://api.vocce.io/api/v1	メディアバックエンド（文字起こし、PDF）
VOCCE_EDGE_BASE	https://vocce.io/api	LLM ツール（要約、ノート、カード、Q&A）

仕組み

このサーバーは薄いクライアントです。ファイルを vocce のホスト型バックエンドにアップロードし、ジョブが完了するまでポーリングして、結果を返します。負荷の高い処理は vocce の GPU 上で実行されるため、モデルをローカルにダウンロードしたり実行したりする必要はありません。

リンク

• ウェブサイト — https://vocce.io
• ソース — https://github.com/cmoonagent/vocce-agent
• イシュー — https://github.com/cmoonagent/vocce-agent/issues

ライセンス

MIT