Whissle MCP 服务器

基于 Python 的服务器，提供对 Whissle API 端点的访问，用于语音转文本、二值化、翻译和文本摘要。

⚠️ 重要提示

• 此服务器提供对 Whissle API 端点的访问，这可能会产生费用

• 每个进行 API 调用的工具都会标有成本警告

• 请遵循以下准则：

  1. 仅在用户明确要求时使用工具

  2. 对于处理音频的工具，请考虑音频的长度，因为它会影响成本

  3. 某些操作（例如翻译或摘要）的成本可能会更高

  4. 描述中没有成本警告的工具可以免费使用，因为它们只读取现有数据

Related MCP server: YouTube Transcript MCP Server

先决条件

• Python 3.8 或更高版本

• pip（Python 包安装程序）

• Whissle API 身份验证令牌

安装

1. 克隆存储库：

   git clone <repository-url>
   cd whissle_mcp

2. 创建并激活虚拟环境：

   python -m venv venv
   source venv/bin/activate # On Windows, use: venv\Scripts\activate

3. 安装所需的软件包：

   pip install -e .

4. 设置环境变量：在项目根目录中创建一个.env文件，其内容如下：

   WHISSLE_AUTH_TOKEN=insert_auth_token_here # Replace with your actual Whissle API token
   WHISSLE_MCP_BASE_PATH=/path/to/your/base/directory

   ⚠️重要提示：切勿将你的实际令牌提交到存储库。.env 文件包含在.env中.gitignore以防止意外提交。

5. 配置 Claude 集成：将claude_config.example.json复制到claude_config.json并更新路径：

   {
    "mcpServers": {
    "Whissle": {
    "command": "/path/to/your/venv/bin/python",
    "args": [
    "/path/to/whissle_mcp/server.py"
    ],
    "env": {
    "WHISSLE_AUTH_TOKEN": "insert_auth_token_here"
    }
    }
    }
   }

   • 将/path/to/your/venv/bin/python替换为虚拟环境中 Python 解释器的实际路径

   • 将/path/to/whissle_mcp/server.py替换为 server.py 文件的实际路径

配置

环境变量

• WHISSLE_AUTH_TOKEN ：您的 Whissle API 身份验证令牌（必需）

  • 这是一个敏感凭证，不应共享或提交到版本控制

  • 联系您的管理员以获取有效令牌

  • 将其安全地存储在本地.env文件中

• WHISSLE_MCP_BASE_PATH ：文件操作的基本目录（可选，默认为用户的桌面）

支持的音频格式

服务器支持以下音频格式：

• WAV（.wav）

• MP3（.mp3）

• OGG（.ogg）

• FLAC（.flac）

• M4A (.m4a)

文件大小限制

• 最大文件大小：25 MB

• 大于此限制的文件将被拒绝

可用工具

1.语音转文本

使用 Whissle API 将语音转换为文本。

response = speech_to_text(
 audio_file_path="path/to/audio.wav",
 model_name="en-NER", # Default model
 timestamps=True, # Include word timestamps
 boosted_lm_words=["specific", "terms"], # Words to boost in recognition
 boosted_lm_score=80 # Score for boosted words (0-100)
)

2. 语音分类

通过说话人识别将语音转换为文本。

response = diarize_speech(
 audio_file_path="path/to/audio.wav",
 model_name="en-NER", # Default model
 max_speakers=2, # Maximum number of speakers to identify
 boosted_lm_words=["specific", "terms"],
 boosted_lm_score=80
)

3.文本翻译

将文本从一种语言翻译成另一种语言。

response = translate_text(
 text="Hello, world!",
 source_language="en",
 target_language="es"
)

4.文本摘要

使用 LLM 模型总结文本。

response = summarize_text(
 content="Long text to summarize...",
 model_name="openai", # Default model
 instruction="Provide a brief summary" # Optional
)

5. 列出 ASR 模型

列出所有可用的 ASR 模型及其功能。

response = list_asr_models()

响应格式

语音转文本和分词

{
 "transcript": "The transcribed text",
 "duration_seconds": 10.5,
 "language_code": "en",
 "timestamps": [
 {
 "word": "The",
 "startTime": 0,
 "endTime": 100,
 "confidence": 0.95
 }
 ],
 "diarize_output": [
 {
 "text": "The transcribed text",
 "speaker_id": 1,
 "start_timestamp": 0,
 "end_timestamp": 10.5
 }
 ]
}

翻译

{
 "type": "text",
 "text": "Translation:\nTranslated text here"
}

总结

{
 "type": "text",
 "text": "Summary:\nSummarized text here"
}

错误响应

{
 "error": "Error message here"
}

错误处理

该服务器包括强大的错误处理功能：

• HTTP 500 错误的自动重试

• 不同故障场景的详细错误消息

• 文件验证（存在性、大小、格式）

• 身份验证检查

常见错误类型：

• HTTP 500：服务器错误（带重试机制）

• HTTP 413：文件太大

• HTTP 415：不支持的文件格式

• HTTP 401/403：身份验证错误

运行服务器

1. 启动服务器：

   mcp serve

2. 服务器将在默认 MCP 端口（通常为 8000）上可用

测试

提供了一个测试脚本来验证所有工具的功能：

python test_whissle.py

测试脚本将：

1. 检查身份验证令牌

2. 测试所有可用的工具

3. 提供每个操作的详细输出

4. 优雅地处理错误

支持

如有问题或疑问，请：

1. 检查错误消息以了解具体细节

2. 验证您的身份验证令牌

3. 确保您的音频文件符合要求

4. 针对 API 相关问题联系 Whissle 支持

执照

[在此添加您的许可证信息]

Maintenance

Resources

• GitHub Repository
Need Help?Related Servers

Tools

• diarize_speechA
• list_asr_modelsB
• speech_to_textA
• summarize_textA
• translate_textA