Cloud ASR MCP

云ASR MCP

用于音频转录的模型上下文协议（MCP）服务器 多模态LLM--不是传统的ASR。

运作原理

与传统的语音转文本（Whisper等）不同，这种MCP使用具有音频功能的多模式模型（Gemini、GPT-4o audio、Voxtral），以 单程.主要优势：您可以提供 文本提示指导 在一个API调用中清除蝇式填充词上的文字记录、格式化说话者转弯或应用自定义指令。

测试： 使用Gemini一次成功转录50分钟的音频文件，无需分块。

特性

• 单程转录 -多模态LLM直接处理音频，无需分块
• 及时指导清理 -删除填充词、格式化输出或应用自定义说明
• 多个后端 -Gemini 2.5、GPT-4o音频、通过OpenRouter或直接API进行Voxtral
• 长格式支持 -使用50分钟以上的音频文件进行验证
• 远程文件支持 -通过SSE传输与MetaMCP协同工作
• 可选文件输出 -将成绩单另存为markdown文件

工具

OpenRouter（推荐）

API直接访问

安装

来自npm

npm install -g cloud-asr-mcp

来源

git clone https://github.com/danielrosehill/Cloud-ASR-MCP.git
cd Cloud-ASR-MCP/mcp
npm install
npm run build

配置

环境变量

# OpenRouter (recommended - single key for all models)
OPENROUTER_API_KEY="your-openrouter-api-key"
OPENROUTER_DEFAULT_MODEL="gemini-flash"  # or gemini-pro, gpt-4o-audio, voxtral-mini, voxtral-small

# Direct API keys (optional)
MISTRAL_API_KEY="your-mistral-api-key"
GEMINI_API_KEY="your-gemini-api-key"
OPENAI_API_KEY="your-openai-api-key"

# Transport (for remote/MetaMCP use)
MCP_TRANSPORT="sse"  # or "stdio" (default)
MCP_PORT="3000"

克劳德代码MCP配置

增添 ~/.claude/settings.json:

使用npm包

{
  "mcpServers": {
    "cloud-asr": {
      "command": "npx",
      "args": ["-y", "cloud-asr-mcp"],
      "env": {
        "OPENROUTER_API_KEY": "your-openrouter-api-key"
      }
    }
  }
}

SSE模式（用于MetaMCP）

MCP_TRANSPORT=sse MCP_PORT=3000 npx cloud-asr-mcp

然后通过SSE连接 http://localhost:3000/sse

使用示例

基础转录

Use openrouter_gemini to transcribe /path/to/audio.mp3

选择特定型号

Use openrouter_transcribe with model "voxtral-small" on /path/to/audio.mp3

将成绩单保存到文件

Transcribe /path/to/audio.mp3 using openrouter_voxtral and save to /home/user/transcripts/

远程文件支持

对于远程客户端（MetaMCP），以base64格式发送文件：

{
  "file_content": "",
  "file_name": "recording.mp3"
}

支持的音频格式

MP3、WAV、OGG、FLAC、AAC、AIFF、M4A、WEBM、MPEG

需求

• Node.js>=18.0.0
• ffmpeg（用于大文件的音频降采样）

许可证

麻省理工学院

链接

• 报告问题