SpeechWeave

@speechweave/mcp

SpeechWeave の公式 Model Context Protocol サーバーです。Cursor、Claude Desktop、Claude Code、Windsurf、その他の MCP クライアントから、ローカルファイルや URL の文字起こしに使用できます。

SpeechWeave は、クライアント側で分割処理を行わずに、短いクリップから長時間の音声まで処理します。この MCP サーバーでは、同期ツール（同じツール呼び出しで文字起こし結果が返されます）と、非同期ツール（ジョブを開始してからステータスをポーリングします）の両方を利用できます。

ドキュメント： speechweave.com/docs/mcp · API リファレンス

インストール／実行

Node.js 18 以降と SpeechWeave API キー（sk_live_…）が必要です。

export SPEECHWEAVE_API_KEY="sk_live_..."
npx -y @speechweave/mcp

Cursor／Claude Desktop

MCP 設定に追加します（例：.cursor/mcp.json、claude_desktop_config.json）。

{
	"mcpServers": {
		"speechweave": {
			"command": "npx",
			"args": ["-y", "@speechweave/mcp"],
			"env": {
				"SPEECHWEAVE_API_KEY": "sk_live_..."
			}
		}
	}
}

Claude Code

claude mcp add speechweave --env SPEECHWEAVE_API_KEY=sk_live_... -- npx -y @speechweave/mcp

ツール

ツール	実行方式	使用する場面
transcribe_file	同期	絶対パスで指定したローカルファイル。同じ呼び出しで文字起こし結果を返します
transcribe_url	同期	公開 HTTPS URL。同じ呼び出しで文字起こし結果を返します
start_job_file	非同期	絶対パスで指定したローカルファイル。すぐに job_id を返します
start_job_url	非同期	公開 HTTPS URL。すぐに job_id を返します
get_job_status	非同期	ジョブ ID を指定して、ステータス／文字起こし結果をポーリングします
cancel_job	該当なし	キュー内または処理中のジョブをキャンセルします
get_limits	該当なし	API キーのアップロードサイズ上限を確認します
fetch_doc	該当なし	スラッグで公開ドキュメントを取得します（同梱ページ＋ライブ OpenAPI）

実行方式（同期または非同期）は service_mode（standard または deferred）とは別の設定です。どちらのサービスモードも、どちらの実行方式でも使用できます。

音声データの生バイト列を MCP 経由で渡さないでください。（ローカルクライアントでは）絶対ファイルパス、または HTTPS URL を使用してください。

設定と引数

すべての文字起こしツールとジョブ開始ツールでは、以下のオプション引数を指定できます。

• model：core（デフォルト）または max を選択します。
• service_mode：standard（デフォルト）または deferred（低コスト、優先度低）を選択します。
• language：言語検出を指定するための ISO 言語コードを任意で指定します。
• task：transcribe（デフォルト）または translate を選択して、代わりに英語の翻訳を生成します。翻訳時は language が無視されます。
• prompt：音声の最初の約 30 秒に適用する、カスタム語彙のヒント（固有名詞、頭字語、製品名）を任意で指定します。

書式付きの文字起こし結果： transcribe_file、transcribe_url、get_job_status では、オプションの response_format（text、srt、vtt、verbose_json）も指定できます。これにより、デフォルトのプレーンテキストではなく、指定した形式で文字起こし結果が返されます。

ファイルへの保存： transcribe_file、transcribe_url、get_job_status では、output_file（絶対パス）を指定できます。文字起こし結果は返されず、指定したファイルに書き込まれるため、長い文字起こし結果が会話に含まれません。結果には output_file と bytes_written が含まれます。パスの末尾は .txt、.md、.json、.srt、.vtt のいずれかである必要があり、隠しフォルダー内には指定できません。親フォルダーが存在している必要があり、既存ファイルは overwrite が true の場合にのみ置き換えられます。response_format: "verbose_json" の場合、ファイルにはテキストとセグメントのタイミング情報が JSON 形式で保存されます。

請求エラー： 402 は、code と hint を含むツールエラーとして返されます。USER_SPEND_CAP_REACHED（利用上限を引き上げてください）、PLATFORM_SPEND_CAP_REACHED（月間アカウント上限です。引き上げを申請してください）、INSUFFICIENT_BALANCE または WALLET_EMPTY（残高を追加してください）の場合は、いずれもまずアカウント側で変更が必要なため、ヒントでアシスタントに再試行しないよう指示します。

タイムアウト時の動作： 同期ツールでは、オプションの timeout_ms を指定できます。文字起こしがタイムアウトを超えた場合、ツールは正常に job_id を返し、クライアントに get_job_status に切り替えてポーリングするよう指示します。

アカウントの制限とドキュメント

• get_limits：呼び出し元のキーに対する GET /v1/limits の結果を、MB 換算値とともに返します。大きなローカルファイルをアップロードする前に使用してください。
• fetch_doc：公開ドキュメントを返します。スラッグ list でカタログを表示します。バンドルされたページには、quickstart、mcp、models、billing、data_retention があります。スラッグ api ではライブの OpenAPI 概要を取得し、api/<operation_slug> では個別のエンドポイントを取得します（例：api/get_v1_limits）。

プロンプトの例

サーバーを追加してクライアントを再起動した後、AI アシスタントに次のように依頼してみてください。

短い音声クリップ（同期）

「SpeechWeave を使って /Users/me/recordings/standup.mp3 を文字起こしし、アクション項目を要約してください。」

アシスタントは絶対パスを指定して transcribe_file を呼び出し、返された transcript を要約します。

長いポッドキャスト（非同期）

「https://cdn.example.com/three_hour_podcast.mp3 の SpeechWeave ジョブを開始し、完了するまで定期的に確認してください。」

アシスタントは start_job_url を呼び出し、その後、ステータスが completed になるまで定期的に get_job_status を呼び出します。

字幕への翻訳（同期）

「SpeechWeave を使って /Users/me/recordings/spanish_interview.mp3 を英語の SRT 字幕に翻訳してください。」

アシスタントは task: "translate" と response_format: "srt" を指定して transcribe_file を呼び出します。