mcp-media-url-transcriber

Media URL Transcriber MCP サーバー

Apify の Mamba Labs Media URL Transcriber アクター用 MCP サーバーです。メディアファイルのリンクを、独自のプロバイダーキーを使って文字起こしします。

内容

• 機能
• クイックスタート
• 前提条件
• プロンプトの例
• ツール
• 入力
• 料金
• アクターの完全なドキュメント
• ライセンス

機能

音声または動画ファイルへの直接リンクと、独自の Deepgram、AssemblyAI、Groq、または OpenAI のキーを指定します。アクターは各ファイルをそのプロバイダーに送信し、文字起こし、タイムスタンプ付きセグメント、言語、長さを含むファイルごとの行を返します。料金はプロバイダーに直接支払い、このアクターにはメディアの分数に応じて支払います。YouTube や TikTok などのプラットフォームからダウンロードすることはありません。

すべての処理は Apify 上で実行されます。このパッケージは、アクターの実行を開始して完了を待ち、データセットの行を返す薄いクライアントです。

クイックスタート

Node.js 18 以降と、API トークンを持つ Apify アカウントが必要です。

Claude Desktop の設定（claude_desktop_config.json）、Cursor、または任意の MCP クライアントに次の内容を追加します。

{
  "mcpServers": {
    "mamba-media-url-transcriber": {
      "command": "npx",
      "args": [
        "-y",
        "@mambalabsdev/mcp-media-url-transcriber"
      ],
      "env": {
        "APIFY_TOKEN": "your-apify-token"
      }
    }
  }
}

クライアントを再起動します。transcribe_media_urls ツールが表示されます。

前提条件

• Node.js 18 以降。
• console.apify.com/account/integrations から取得した Apify API トークンを APIFY_TOKEN として設定します。トークンがなくてもサーバーはツールを一覧表示しますが、呼び出しにはトークンが必要です。

プロンプトの例

• 「このポッドキャストのエピソードファイルを、私の Deepgram キーで文字起こししてください。」
• 「録音した通話ファイル10件を、話者ラベル付きのテキストにしてください。」
• 「文字起こしの前に、これらのメディアリンクを読み取れるか確認してください。」

ツール

transcribe_media_urls。ツールは1つです。引数の例：

{
  "media_urls": [
    "https://dpgr.am/spacewalk.wav"
  ],
  "provider": "deepgram"
}

入力

アクターの購入者向け入力すべてです。省略した入力には、アクター独自のデフォルト値が適用されます。

入力	型	必須	説明
media_urls	array	いいえ	ログインなしでアクセスできる音声または動画ファイル（mp3、wav、m4a、mp4 など）への直接リンクです。YouTube、TikTok、Instagram、Vimeo、Spotify などのプラットフォームのページは、無料の行を返して拒否されます。Clay では、列を1項目のリストに入れてください。
provider	string	いいえ	ファイルの文字起こしに使用する API（ユーザー自身のキー）です：deepgram（デフォルト）、assemblyai、groq、または openai。openai では最大25 MBのファイルを使用できます。それ以外は URL を読み取ります。
api_key	string	いいえ	上記のプロバイダー用の独自のキーです。Apify によって暗号化して保存され、そのプロバイダーにのみ送信されます。行やログに書き込まれることはありません。キーを指定しない場合、実行時に最大3件のファイルを確認しますが、文字起こしは行われず、無料です。
model	string	いいえ	任意。プロバイダーのモデル名です。デフォルト：deepgram nova-3、assemblyai 独自のデフォルト、groq whisper-large-v3-turbo、openai whisper-1（このプロバイダーで受け付けられる唯一のモデル）。
language	string	いいえ	任意。en や de などの言語コードです。空欄の場合、deepgram と assemblyai は言語を検出します。whisper モデルは独自に検出します。
diarize	boolean	いいえ	yes または no（デフォルトは no）。各セグメントの話者をラベル付けします。deepgram と assemblyai のみ対応しており、プロバイダーによっては追加料金が発生します。
include_segments	boolean	いいえ	yes（デフォルト）または no。各行に、開始秒と終了秒を含むセグメントのリストを追加します。
max_charge_usd	string	いいえ	任意。上限に達すると、新しいファイルの処理を開始しません。プロバイダーがすでに料金を請求した文字起こしは引き続き提供され、この上限額まで課金された後、実行が停止します。これはこのアクターの料金を制限するもので、プロバイダーの請求額は制限しません。

料金

Apify ではイベントごとに課金され、料金は Apify アカウントに請求されます。価格は米ドルです。

イベント	無料プラン	Bronze	Silver	Gold
media-minute、文字起こししたメディア1分あたり。ファイルごとに切り上げ	$0.005	$0.00475	$0.0045	$0.00425
apify-actor-start、実行開始ごと	$0.003	$0.003	$0.003	$0.003

拒否されたファイル、失敗したファイル、無音のファイル、キーなしでのメディアチェック、拒否された入力は無料です。実行にかかるプラットフォーム費用は Mamba Labs が負担します。Apify のプロキシ通信費を含む実行のプラットフォーム費用は、Mamba Labs が負担します。

Actor の全ドキュメント

apify.com/mambalabs/media-url-transcriber

ライセンス

MIT。詳細は LICENSE をご覧ください。