MCP Audio to Text

一個用於語音轉文字的 MCP Server，支援 Google Gemini 與 NCHC TAIDE Whisper 作為轉錄 provider。

所有 LLM 流量改走 botrun-gate gateway。 因 Gemini 金鑰外洩，本專案不再直連任何 LLM 供應商、也不再持有真實的 Gemini / NCHC 金鑰；兩個 provider 一律透過 gateway 串接，只需設定 BOTRUN_GATE_BASE_URL 與 BOTRUN_GATE_API_KEY（一把 br- key 共用）。

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（依 provider 而異；詳見下方 MCP Tool 區塊）

系統需求

• Node.js 18+
• ffmpeg（系統層級安裝）
• botrun-gate gateway 的 BOTRUN_GATE_BASE_URL 與 BOTRUN_GATE_API_KEY（兩個 provider 皆需，共用同一把 br- 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

使用 Google Gemini（預設）：

{
  "mcpServers": {
    "audio-to-text": {
      "command": "npx",
      "args": ["-y", "@botrun/mcp-audio-to-text"],
      "env": {
        "BOTRUN_GATE_BASE_URL": "https://your-botrun-gate-host",
        "BOTRUN_GATE_API_KEY": "br-xxxxxxxx"
      }
    }
  }
}

使用 NCHC TAIDE Whisper（需設定 TRANSCRIBER_PROVIDER=nchc，同樣走 gateway）：

{
  "mcpServers": {
    "audio-to-text": {
      "command": "npx",
      "args": ["-y", "@botrun/mcp-audio-to-text"],
      "env": {
        "TRANSCRIBER_PROVIDER": "nchc",
        "BOTRUN_GATE_BASE_URL": "https://your-botrun-gate-host",
        "BOTRUN_GATE_API_KEY": "br-xxxxxxxx"
      }
    }
  }
}

Claude CLI 設定

claude mcp add audio-to-text \
  -e BOTRUN_GATE_BASE_URL=https://your-botrun-gate-host \
  -e BOTRUN_GATE_API_KEY=br-xxxxxxxx \
  -- npx -y @botrun/mcp-audio-to-text

MCP Tool

transcribe_audio

將音頻或影片檔案轉換為文字。

參數依 TRANSCRIBER_PROVIDER 而異：

Gemini 模式（預設）

| 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 | 是 | 輸出目錄路徑 | | model | string | 否 | flash（較快，預設）或 pro（較準確） | | custom_model | string | 否 | 自訂 Gemini 模型名稱（僅支援 gemini 開頭，優先於 model） |

NCHC 模式

| 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 | 是 | 輸出目錄路徑 | | model | string | 否 | whisper-Breeze-ASR-25（預設）或 Whisper-Large-V3 |

環境變數

| 變數 | 說明 | 必要性 | |------|------|--------| | TRANSCRIBER_PROVIDER | gemini（預設）或 nchc | 選配 | | BOTRUN_GATE_BASE_URL | botrun-gate gateway base URL（兩個 provider 共用） | 必要 | | BOTRUN_GATE_API_KEY | gateway br- API key（兩個 provider 共用一把） | 必要 | | TAIDE_BASE_URL | NCHC provider 在 gateway 上的 base 覆寫 | 選配，預設 ${BOTRUN_GATE_BASE_URL}/nchc（依 gateway 端 NCHC_BASE_URL 設定調整） |

License

MIT