Сервер Model Context Protocol (MCP) для расширенной аудиотранскрипции и обработки с использованием моделей Whisper и GPT-4o от OpenAI.

[!Предупреждение] ** Этот проект переехал.** Активная разработка перешла на TJC-LP/sanzaru. Это хранилище больше не поддерживается и будет архивироваться. Пожалуйста, обновите свои зависимости и проблемы в новом РЕПО.

Обзор

MCP Server Whisper предоставляет стандартизированный способ обработки аудиофайлов через новейшие службы транскрипции и речи OpenAI. Реализуя протокол Model Context, он позволяет помощникам ИИ, таким как Клод, беспрепятственно взаимодействовать с возможностями обработки аудио.

Ключевые особенности: Передовой поиск файлов с паттернами регекса, фильтрацией метаданных файлов и возможностями сортировки MCP-родная параллельная обработка - вызов нескольких инструментов одновременно ** Преобразование формата** между поддерживаемыми типами аудио ** Автоматическое сжатие** для негабаритных файлов • Транскрипция нескольких моделей** с поддержкой всех аудиомоделей OpenAI Интерактивный аудиочат с аудиомоделями GPT-4o ** Расширенная транскрипция** со специализированными подсказками и поддержкой меток времени

MCP Server Whisper

[!WARNING] This project has moved. Active development has migrated to TJC-LP/sanzaru. This repository is no longer maintained and will be archived. Please update your dependencies and issues to the new repo.

Overview

MCP Server Whisper provides a standardized way to process audio files through OpenAI’s latest transcription and speech services. By implementing the Model Context Protocol, it enables AI assistants like Claude to seamlessly interact with audio processing capabilities.

Key features:

• 🔍 Advanced file searching with regex patterns, file metadata filtering, and sorting capabilities
• ⚡ MCP-native parallel processing - call multiple tools simultaneously
• 🔄 Format conversion between supported audio types
• 📦 Automatic compression for oversized files
• 🎯 Multi-model transcription with support for all OpenAI audio models
• 🗣️ Interactive audio chat with GPT-4o audio models
• ✏️ Enhanced transcription with specialized prompts and timestamp support
• 🎙️ Text-to-speech generation with customizable voices, instructions, and speed
• 📊 Comprehensive metadata including duration, file size, and format support
• 🚀 High-performance caching for repeated operations
• 🔒 Type-safe responses with Pydantic models for all tool outputs

Note: This project is unofficial and not affiliated with, endorsed by, or sponsored by OpenAI. It provides a Model Context Protocol interface to OpenAI’s publicly available APIs.

Installation

# Clone the repository
git clone https://github.com/arcaputo3/mcp-server-whisper.git
cd mcp-server-whisper

# Using uv 
uv sync

# Set up pre-commit hooks
uv run pre-commit install

Environment Setup

Create a .env file based on the provided .env.example:

cp .env.example .env

Edit .env with your actual values:

OPENAI_API_KEY=your_openai_api_key
AUDIO_FILES_PATH=/path/to/your/audio/files

Note: Environment variables must be available at runtime. For local development with Claude, use a tool like dotenv-cli to load them (see Usage section below).

Usage

Local Development with Claude