AutoGLM ASR MCP服务器
使用知普AutoGLM ASR进行高质量语音到文本转录的MCP服务器。
CN: 一个面向 Agent 的语音转文字 MCP 服务，支持长音频分块、上下文传递和时间戳分段。
有关面向AI的设置详细信息，请参阅 AI_SETUP_GUIDE.md.
人工智能代理（TL；DR）
- 类型：MCP服务器
- 域：ASR/语音转文本/转录
- 输入：本地音频文件路径
- 输出：完整转录文本+时间戳段
- 最适合：会议笔记、通话分析、字幕草稿、语音备忘录转录
- 支持的音频格式：
mp3,wav,m4a,flac,ogg,webm - 核心工具：
transcribe_audio,get_audio_info
它做什么
- 使用自动分块功能转录短音频文件和长音频文件。
- 使用上下文感知模式来平衡速度和质量。
- 返回可读的全文和段级时间戳。
- 作为编码助手的MCP服务器在stdio上运行。
工具索引
| 工具 | 目的 | 必需参数 | 可选参数 | 返回值 |
|---|---|---|---|---|
transcribe_audio | 将音频转录为文本 | audio_path | context_mode, max_concurrency | 完整的成绩单和时间对齐的片段 |
get_audio_info | 转录前检查音频 | audio_path | 无 | 持续时间、格式、通道、采样率、估计块 |
特性
- 滑动窗口并发的快速长音频转录。
- 通过块到块上下文传递提高准确性。
- 长输入的自动拆分（API限制友好）。
- 零安装运行时
npx. - 适用于常见的MCP客户端。
安装
先决条件
ffmpeg 必须安装：
# macOS
brew install ffmpeg
# Ubuntu/Debian
apt install ffmpeg
# Windows
choco install ffmpeg从获取API密钥 智普AI开放平台.
NPX（推荐）
npx autoglm-asr-mcp快速开始
将此MCP服务器添加到您的客户端配置中并设置 AUTOGLM_ASR_API_KEY.
{
"mcpServers": {
"autoglm-asr": {
"command": "npx",
"args": ["-y", "autoglm-asr-mcp"],
"env": {
"AUTOGLM_ASR_API_KEY": "your-api-key"
}
}
}
}兼容性
- 克劳德桌面/克劳德代码
- 光标
- 帆板运动
- VS代码MCP
- 其他MCP兼容客户端
VS Code快速安装：
工具
transcribe_audio
将音频文件转录为带有定时段的文本。
论据：
| 名称 | 类型 | 必填 | 描述 |
|---|---|---|---|
audio_path | string | 是 | 音频文件的绝对路径 |
context_mode | string | 否 | sliding （默认）， none （最快）， full_serial （质量最好，速度较慢） |
max_concurrency | integer | 否 | 最大并行请求数，范围 1-20，默认值 5 |
退货：
- 完整转录文本
- 带时间戳的段列表
- 基本运行统计数据（块、模式、运行时间）
常见错误：
- 找不到文件或路径不可读
- 格式不受支持或音频流中断
- 缺少/无效的API密钥
get_audio_info
转录前检查音频文件。
论据：
| 名称 | 类型 | 必填 | 描述 |
|---|---|---|---|
audio_path | string | 是 | 音频文件的绝对路径 |
退货：
- 持续时间
- 格式
- 采样率
- 频道
- 估计块数
上下文模式
| 模式 | 速度 | 质量 | 描述 |
|---|---|---|---|
sliding | 快速 | 高 | 第一个块初始化上下文，后面的块与上下文并行运行 |
none | 最快 | 中等 | 块并行独立运行 |
full_serial | 慢速 | 最佳 | 使用完整上下文链按顺序转录所有块 |
环境变量
| 变量 | 默认值 | 描述 |
|---|---|---|
AUTOGLM_ASR_API_KEY | 必需 | 您的智浦API密钥 |
AUTOGLM_ASR_API_BASE | https://open.bigmodel.cn/api/paas/v4/audio/transcriptions | API终点 |
AUTOGLM_ASR_MODEL | glm-asr-2512 | ASR型号名称 |
AUTOGLM_ASR_MAX_CHUNK_DURATION | 25 | 最大块持续时间（秒） |
AUTOGLM_ASR_MAX_CONCURRENCY | 5 | 默认并发性 |
AUTOGLM_ASR_CONTEXT_MAX_CHARS | 2000 | 块之间传递的最大上下文大小 |
用例
- 将会议记录转换为可编辑的成绩单
- 客户支持电话转录
- 播客/视频字幕草稿生成
- 语音备忘录索引和搜索
局限性
- 需要本地文件路径输入（不是远程URL输入）。
- 音频质量强烈影响转录质量。
- 非常嘈杂或多扬声器重叠会降低准确性。
故障排除
ffmpeg not found：安装ffmpeg并重试。File not found：传递一条绝对现有路径。- API错误：验证
AUTOGLM_ASR_API_KEY以及账户配额。
关键词
mcp, model-context-protocol, asr, speech-to-text, transcription, autoglm, zhipu, chinese-asr, audio-transcription, meeting-transcript, subtitle-generation, voice-to-text, agent-tools, llm-tools, coding-agent
许可证
麻省理工学院