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。

功能

• 从文件进行语音识别
• 从Base64编码数据进行语音识别
• 文本提取
• 支持stdio和MCP两种模式
• 结构化的语音识别结果
• 符合AIO协议的响应

项目结构

• voice_service.py - 核心服务实现
• stdio_server.py - stdio模式入口点
• mcp_server.py - MCP模式入口点
• build.py - 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. 克隆仓库：
   bash
   git clone https://github.com/AIO-2030/mcp_voice_identify.git
   cd mcp_voice_identify

2. 安装依赖项：
   bash
   pip install -r requirements.txt

3. 在.env中设置环境变量：

API_URL=your_api_url
API_KEY=your_api_key

使用

stdio 模式

1. 运行服务：
   bash
   python stdio_server.py

2. 通过标准输入发送JSON-RPC请求：
   json
   {
   "jsonrpc": "2.0",
   "method": "help",
   "params": {},
   "id": 1
   }

3. 或者使用可执行文件：
   bash
   ./dist/voice_stdio

MCP 模式

1. 运行服务：
   bash
   python mcp_server.py

2. 或者使用可执行文件：
   bash
   ./dist/voice_mcp

响应格式

该服务遵循AIO协议的响应格式。以下是不同响应类型的示例：

语音识别响应

json
{
"jsonrpc": "2.0",
"output": {
"type": "voice",
"message": "语音处理成功",
"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

json
{
"jsonrpc": "2.0",
"result": {
"type": "voice_service",
"description": "此服务提供语音识别和文本提取服务",
"author": "AIO-2030",
"version": "1.0.0",
"github": "https://github.com/AIO-2030/mcp_voice_identify",
"transport": ["stdio"],
"methods": [
{
"name": "help",
"description": "显示帮助信息。"
},
{
"name": "identify_voice",
"description": "从文件识别语音",
"inputSchema": {
"type": "object",
"properties": {
"file_path": {
"type": "string",
"description": "语音文件路径"
}
},
"required": ["file_path"]
}
},
{
"name": "identify_voice_base64",
"description": "从Base64编码数据识别语音",
"inputSchema": {
"type": "object",
"properties": {
"base64_data": {
"type": "string",
"description": "Base64编码的语音数据"
}
},
"required": ["base64_data"]
}
},
{
"name": "extract_text",
"description": "提取文本",
"inputSchema": {
"type": "object",
"properties": {
"text": {
"type": "string",
"description": "要提取的文本"
}
},
"required": ["text"]
}
}
]
},
"id": 1
}

错误响应

json
{
"jsonrpc": "2.0",
"output": {
"type": "error",
"message": "503 服务器错误：服务不可用",
"error_code": 503
},
"id": 1
}### 响应字段

服务提供了三种类型的响应：

1. 语音识别响应（使用 output 字段）:

   字段	描述	示例值
   type	响应类型	"voice"
   message	状态消息	"Voice processed successfully"
   text	识别的文本内容	"test test test"
   metadata	额外信息	请参见下文

2. 帮助信息响应（使用 result 字段）:

   字段	描述	示例值
   type	服务类型	"voice_service"
   description	服务描述	"This service provides..."
   author	服务作者	"AIO-2030"
   version	服务版本	"1.0.0"
   github	GitHub 仓库 URL	"https://github.com/..."
   transport	支持的传输模式	["stdio"]
   methods	可用方法	请参见方法列表

3. 错误响应（使用 output 字段）:

   字段	描述	示例值
   type	响应类型	"error"
   message	错误消息	"503 Server Error: Service Unavailable"
   error_code	HTTP 状态码	503

元数据字段

在语音识别响应中的 metadata 字段包含以下内容：

构建可执行文件

1. 使构建脚本可执行：
   bash
   chmod +x build_exec.sh

2. 构建 stdio 模式可执行文件：
   bash
   ./build_exec.sh

3. 构建 MCP 模式可执行文件：
   bash
   ./build_exec.sh mcp

生成的可执行文件位于：

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

测试

运行测试脚本：

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

许可证

此项目根据 MIT 许可证发布 - 详情请参阅 LICENSE 文件。