Media MCP Server

媒体处理 MCP 服务，提供语音识别和语音合成功能。

功能

asr - 语音识别

将音频文件转换为带时间戳的 SRT 字幕文件。

参数：

• working_directory: 工作目录的绝对路径，识别结果将保存到此目录
• audio_file: 音频文件的相对路径（相对于工作目录），支持 mp3/wav 格式

限制：

• 音频长度最大 30 分钟
• 文件大小不超过 120MB
• 超出限制需要外部分段处理后逐段识别

输出：

• 识别结果保存到工作目录下的 asr_<timestamp>.srt 文件

tts - 语音合成

将文本转换为音频文件。

参数：

• working_directory: 工作目录的绝对路径，合成的音频文件将保存到此目录
• text: 需要合成语音的文本内容

输出：

• 合成结果保存到工作目录下的 tts_<timestamp>.mp3 文件

环境变量

| 变量名 | 说明 | 必填 | |--------|------|------| | DASHSCOPE_API_KEY | 阿里云 DashScope API Key | 是 |

安装

npm install

配置示例

{
  "mcpServers": {
    "media": {
      "command": "node",
      "args": ["/path/to/media/index.js"],
      "env": {
        "DASHSCOPE_API_KEY": "your-api-key"
      }
    }
  }
}