MCP Audio to Text

一個用於語音轉文字的 MCP Server，使用 Google Gemini 進行轉錄。

功能特色

• 支援多種音頻/影片格式：.mp3, .m4a, .wav, .mp4, .webm, .ogg, .flac 等
• 自動處理大檔案分割（超過 20MB 或 3 分鐘）
• 中文自動轉為繁體中文
• 可選擇模型：flash（較快）或 pro（較準確）

系統需求

• Node.js 18+
• ffmpeg（系統層級安裝）
• Google API Key

安裝 ffmpeg

# Ubuntu/Debian
sudo apt install ffmpeg

# macOS
brew install ffmpeg

# Windows
# 下載 https://ffmpeg.org/download.html 並加到 PATH

使用方式

Claude Desktop 設定

編輯設定檔：

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "audio-to-text": {
      "command": "npx",
      "args": ["-y", "@bigcookie/mcp-audio-to-text"],
      "env": {
        "GOOGLE_API_KEY": "your-google-api-key"
      }
    }
  }
}

Claude CLI 設定

claude mcp add audio-to-text -e GOOGLE_API_KEY=your-api-key -- npx -y @bigcookie/mcp-audio-to-text

MCP Tool

transcribe_audio

將音頻或影片檔案轉換為文字。

參數：

| 參數 | 類型 | 必填 | 說明 | |------|------|------|------| | file_path | string | 是 | 音頻或影片檔案的絕對路徑 | | output_dir | string | 否 | 輸出目錄路徑（預設為檔案同目錄下的 {檔名}_transcription） | | model | string | 否 | 使用的模型：flash（較快，預設）或 pro（較準確） |

環境變數

| 變數 | 說明 | |------|------| | GOOGLE_API_KEY | Google AI API Key（必要） |

License

MIT