语音识别 MCP 服务

基于豆包语音识别API的MCP服务，支持音频文件转文字功能。

功能特性

• 支持多种音频格式：wav、mp3、ogg
• 支持多种语言识别：中英文、上海话、闽南语、四川话、陕西话、粤语等
• 异步任务处理，完成后自动推送通知
• 完整的错误处理和参数验证
• 结果以“文本文件URL”形式返回，不直接返回原始文本内容

环境变量

在使用前需要设置以下环境变量：

• VOLCENGINE_API_KEY: 豆包语音识别API的Access Token
• VOLCENGINE_APP_ID: 豆包语音识别API的App ID
• VOLC_BIGASR_PRICE_PER_MIN_YUAN (可选): 每分钟计费单价（元）。用于在进度查询完成时换算本次消耗金额。

工具列表

speech_recognition

提交音频文件进行语音识别

参数：

• audioUrl (必需): 音频文件的URL地址
• language (可选): 指定识别语言，如 "en-US", "ja-JP" 等
• format (必需): 音频容器格式 (raw/wav/mp3/ogg)
• enableItn (可选): 是否启用文本规范化，默认true
• enablePunc (可选): 是否启用标点符号，默认false
• enableSpeakerInfo (可选): 是否启用说话人聚类分离，默认false

query_recognition_progress

查询语音识别任务进度（可选）

💡 提示：任务处理完成后，系统会自动推送通知，您无需主动轮询查询。此工具仅在需要手动检查任务状态时使用。

参数：

• taskId (必需): 任务ID

返回约定：

• 当识别完成时，结果以“文本文件URL”的形式返回（内容类型为 resource_link，包含 name, uri, mimeType: text/plain），可直接下载查看。
• 进度的JSON信息会同时返回，但不包含原始文本，仅包含 text_file_url、utterances、duration、model_name 与 cost 等字段。
• 费用计算基于音频时长向上取整到分钟，并乘以 VOLC_BIGASR_PRICE_PER_MIN_YUAN（单位：元/分钟）。

使用示例

# 安装依赖
npm install

# 构建项目
npm run build

# 启动服务
npm start

API文档

详细API文档请参考：https://www.volcengine.com/docs/6561/1354868