Voice Recognition MCP Service

语音识别MCP服务

该服务通过stdio和MCP模式提供语音识别和文本提取功能。

特性

• 文件语音识别
• 基于base64编码数据的语音识别
• 文本提取
• 支持stdio和MCP模式
• 结构化语音识别结果
• 符合AIO协议的响应

项目结构

• voice_service.py -核心服务实施
• stdio_server.py -stdio模式入口点
• mcp_server.py -MCP模式入口点
• build.py -为可执行文件构建脚本
• build_exec.sh -构建执行脚本
• test_*.sh -不同功能的测试脚本

安装

1. 克隆存储库：

git clone https://github.com/AIO-2030/mcp_voice_identify.git
cd mcp_voice_identify

1. 安装依赖项：

pip install -r requirements.txt

1. 在中设置环境变量 .env:

API_URL=your_api_url
API_KEY=your_api_key

用法

stdio模式

1. 运行服务：

python stdio_server.py

1. 通过stdin发送JSON-RPC请求：

{
    "jsonrpc": "2.0",
    "method": "help",
    "params": {},
    "id": 1
}

1. 或者使用可执行文件：

./dist/voice_stdio

MCP模式

1. 运行服务：

python mcp_server.py

1. 或者使用可执行文件：

./dist/voice_mcp

响应格式

该服务遵循AIO协议进行响应格式化。以下是不同响应类型的示例：

语音识别响应

{
    "jsonrpc": "2.0",
    "output": {
        "type": "voice",
        "message": "Voice processed successfully",
        "text": "test test test",
        "metadata": {
            "language": "en",
            "emotion": "unknown",
            "audio_type": "speech",
            "speaker": "woitn",
            "raw_text": "test test test"
        }
    },
    "id": 1
}

帮助信息响应

{
    "jsonrpc": "2.0",
    "result": {
        "type": "voice_service",
        "description": "This service provides voice recognition and text extraction services",
        "author": "AIO-2030",
        "version": "1.0.0",
        "github": "https://github.com/AIO-2030/mcp_voice_identify",
        "transport": ["stdio"],
        "methods": [
            {
                "name": "help",
                "description": "Show this help information."
            },
            {
                "name": "identify_voice",
                "description": "Identify voice from file",
                "inputSchema": {
                    "type": "object",
                    "properties": {
                        "file_path": {
                            "type": "string",
                            "description": "Voice file path"
                        }
                    },
                    "required": ["file_path"]
                }
            },
            {
                "name": "identify_voice_base64",
                "description": "Identify voice from base64 encoded data",
                "inputSchema": {
                    "type": "object",
                    "properties": {
                        "base64_data": {
                            "type": "string",
                            "description": "Base64 encoded voice data"
                        }
                    },
                    "required": ["base64_data"]
                }
            },
            {
                "name": "extract_text",
                "description": "Extract text",
                "inputSchema": {
                    "type": "object",
                    "properties": {
                        "text": {
                            "type": "string",
                            "description": "Text to extract"
                        }
                    },
                    "required": ["text"]
                }
            }
        ]
    },
    "id": 1
}

错误响应

{
    "jsonrpc": "2.0",
    "output": {
        "type": "error",
        "message": "503 Server Error: Service Unavailable",
        "error_code": 503
    },
    "id": 1
}

响应字段

该服务提供三种类型的响应：

1. 语音识别响应（使用 output 字段）：

1. 帮助信息响应（使用 result 字段）：

1. 错误响应（使用 output 字段）：

元数据字段

这 metadata 语音识别响应中的字段包含：

构建可执行文件

1. 使构建脚本可执行：

chmod +x build_exec.sh

1. 生成stdio模式可执行文件：

./build_exec.sh

1. 构建MCP模式可执行文件：

./build_exec.sh mcp

可执行文件将在以下位置创建：

• stdio模式： dist/voice_stdio
• MCP模式： dist/voice_mcp

测试

运行测试脚本：

chmod +x test_*.sh
./test_help.sh
./test_voice_file.sh
./test_voice_base64.sh

许可证

此项目根据MIT许可证获得许可-有关详细信息，请参阅许可证文件。