🚀 语音录音 MCP 服务器
本项目是一个使用 OpenAI 的 Whisper 模型进行音频记录并转录文字的 MCP 服务器，既可以作为 Goose 自定义扩展运行，也能作为独立的 MCP 服务器使用，为音频转录提供了便捷的解决方案。
✨ 主要特性
- 可从默认麦克风录制音频。
- 运用 Whisper 模型对录制的音频进行转录。
- 能够集成到 Goose AI 代理中，作为自定义扩展使用。
- 提供常见录音场景的提示语，方便用户操作。
📦 安装指南
# 从源代码安装
git clone https://github.com/DefiBax/voice-recorder-mcp.git
cd voice-recorder-mcp
pip install -e .
💻 使用示例
基础用法
作为独立 MCP 服务器运行
# 使用默认设置运行（base.en 模型）
voice-recorder-mcp
# 使用指定的 Whisper 模型
voice-recorder-mcp --model medium.en
# 调整采样率
voice-recorder-mcp --sample-rate 44100
使用 MCP 监视器测试
MCP 监视器提供交互式界面用于测试服务器：
# 安装 MCP 监视器
npm install -g @modelcontextprotocol/inspector
# 使用监视器运行你的服务器
npx @modelcontextprotocol/inspector voice-recorder-mcp
与 Goose AI 代理配合使用
-
打开 Goose，进入设置 > 扩展 > 添加 > 命令行扩展。
-
设置名称为
voice-recorder。 -
在命令字段中输入语音录音器 MCP 可执行文件的完整路径：
/full/path/to/voice-recorder-mcp或指定模型运行：
/full/path/to/voice-recorder-mcp --model medium.en查找路径方法：
which voice-recorder-mcp -
基本功能无需额外环境变量配置。
-
在与 Goose 的对话中，通过以下语句介绍录音器： "我希望你可以从语音录音器返回的转录文字中采取行动。例如，当我口述计算如 1+1 时，请返回结果。"
高级用法
本项目提供了一些可用工具，方便用户进行音频录制和转录操作：
start_recording：开始从默认麦克风录制音频。stop_and_transcribe：停止录音并转录为文字。record_and_transcribe：按指定时长录音并转录（秒）。
📚 详细文档
Whisper 模型
此扩展支持多种 Whisper 模型大小，具体信息如下：
| 模型 | 速度 | 准确度 | 内存占用 | 使用场景 |
|---|---|---|---|---|
tiny.en |
最快 | 最低 | 最小 | 测试、快速转录 |
base.en |
快速 | 较好 | 较低 | 日常使用（默认） |
small.en |
中等 | 更佳 | 中等 | 平衡性能 |
medium.en |
慢 | 高 | 较高 | 重要录音 |
large |
最慢 | 最高 | 高 | 关键转录 |
.en 后缀表示该模型专为英语优化，对于英语内容更快且更准确。
配置要求
- Python 3.12+
- 带音频输入设备（麦克风）
配置选项
你可以通过环境变量配置服务器：
# 设置 Whisper 模型
export WHISPER_MODEL=small.en
# 设置音频采样率
export SAMPLE_RATE=44100
# 设置最大录音时长（秒）
export MAX_DURATION=120
# 使用以下命令运行服务器：
voice-recorder-mcp
⚠️ 注意事项
⚠️ 重要提示
- 确保麦克风权限已正确设置，以便应用程序可以访问。
- 对于网络连接，请确保设备具备稳定的互联网以支持模型推理。
- 在使用过程中如遇问题，请检查控制台输出或查阅相关文档。
🤝 贡献指南
欢迎社区贡献！请参考项目仓库中的Contributing.md了解如何参与开发。