Audio Transcription MCP

音频转录 MCP

一个用于本地音频和视频转录的 MCP 服务，支持本地 Whisper 或 OpenAI 转录 API。

软件包和 CLI 名称：audio-transcription-mcp。

要求

• Python 3.11+
• ffmpeg 已加入 PATH
• 本地转录：安装 cykk-audio-transcriber 的 local extra
• OpenAI 转录：安装 api extra 并设置 OPENAI_API_KEY

如果 ffmpeg 尚未加入 PATH，请单独安装。 在 Debian/Ubuntu 上，使用 sudo apt install ffmpeg；在安装了 Homebrew 的 macOS 上，使用 brew install ffmpeg；在 Windows 上，安装 FFmpeg 构建版本并将其 bin 目录加入 PATH。

从源代码安装

git clone https://github.com/cykk/audio-transcription-mcp.git
cd audio-transcription-mcp
pip install ".[local]"

如需使用 OpenAI 转录 API：

pip install ".[api]"

从 PyPI 安装

软件包发布到 PyPI 后，可直接安装：

pip install "audio-transcription-mcp[local]"

如需使用 OpenAI 转录 API：

pip install "audio-transcription-mcp[api]"

不安装 extra 将不会安装任何一种转录后端。本地 Whisper 可能会在首次使用时下载所选模型，并需要足够的 磁盘空间和内存。

运行

audio-transcription-mcp

为保持向后兼容，audiototext-mcp 仍作为别名提供。

此服务使用 MCP stdio 传输。请在 Claude Desktop、Cursor 或其他兼容宿主等 MCP 客户端中配置该命令：

{
  "mcpServers": {
    "audio-transcription": {
      "command": "audio-transcription-mcp"
    }
  }
}

工具

transcribe_file 接受本地 file_path，以及可选的 model、language、task、prompt 和 api_key 参数。它会返回包含检测到的语言、完整文本和带时间戳片段的 JSON。

此服务会读取本地文件，因此只应在你信任的客户端中配置。最好通过 OPENAI_API_KEY 提供 API 密钥，而不是使用工具参数。 提供 API 密钥后，所选音频会发送到 OpenAI API。未提供密钥时， 则使用 Whisper 在本地进行转录；模型可能会在首次使用时下载。

验证

将此服务添加到 MCP 客户端后，使用可读取的本地音频或视频文件路径调用 transcribe_file。成功的响应会包含检测到的语言、完整转录文本和带时间戳的片段。

在配置 MCP 客户端之前，可运行以下命令验证软件包：

python -c "import asyncio; from audiototext_mcp.server import mcp; print([tool.name for tool in asyncio.run(mcp.list_tools())])"

命令中应包含 transcribe_file。实际进行转录还需要安装本地 Whisper extra，或为 API extra 提供有效的 OPENAI_API_KEY。

相关产品

MP3ToText 是一款基于浏览器的音频和视频 转录产品。此 MCP 服务独立运行，不使用 MP3ToText 服务。

许可证

MIT