Gemini转录MCP
一个MCP服务器，用于使用谷歌的Gemini多模式API进行音频到文本转录。
](https://www.npmjs.com/package/gemini-transcription-mcp)
快速开始
克劳德代码（推荐）
claude mcp add gemini-transcription -s user \
-e OPENROUTER_API_KEY=your-key \
-- npx -y gemini-transcription-mcp克劳德桌面
添加到您的 claude_desktop_config.json:
{
"mcpServers": {
"gemini-transcription": {
"command": "npx",
"args": ["-y", "gemini-transcription-mcp"],
"env": {
"OPENROUTER_API_KEY": "your-key"
}
}
}
}MetaMCP
通过MetaMCP UI添加或导入JSON：
{
"mcpServers": {
"gemini-transcription": {
"command": "npx",
"args": ["-y", "gemini-transcription-mcp"],
"env": {
"OPENROUTER_API_KEY": "your-key"
},
"description": "Audio transcription using Gemini models via OpenRouter"
}
}
}或者手动填写添加服务器表单：
| 字段 | 值 |
|---|---|
| 命令 | npx |
| 参数 | -y gemini-transcription-mcp |
| 环境变量 | OPENROUTER_API_KEY=your-key |
远程部署（HTTP传输）
对于需要HTTP传输的部署：
# Using Docker (recommended for remote)
docker run -d \
-p 3000:3000 \
-e OPENROUTER_API_KEY=your-key \
ghcr.io/danielrosehill/gemini-transcription-mcp
# Or run directly with HTTP transport
OPENROUTER_API_KEY=your-key npx gemini-transcription-mcp --http 3000服务器公开：
http://host:3000/mcp-MCP端点（可流式传输HTTP）http://host:3000/health-健康检查
工具
| 工具 | 说明 |
|---|---|
transcribe_audio | 轻度编辑的成绩单（删除填充词，应用更正） |
transcribe_audio_raw | 逐字记录，无需清理 |
transcribe_audio_vad | 转录前去除沉默的VAD预处理 |
transcribe_audio_format | 转录并格式化为文档类型（电子邮件、待办事项列表等） |
transcribe_audio_large | 在转录之前将超大文件压缩到Opus |
transcribe_audio_custom | 通过您自己的提示实现完全控制 |
transcribe_audio_devspec | 格式作为AI编码代理的开发规范 |
输入法
所有工具都通过以下方式接受音频：
file_content：Base64编码音频file_url：要获取的HTTP（S）URLssh_host+ssh_path：通过SCP拉取（仅限本地部署）
支持格式
- 本土的：MP3、WAV、OGG、FLAC、AAC、AIFF
- 自动转换：Opus、M4A、WebM、WMA和其他（转换为OGG/Opus）
备注：手动转换音频时，首选 MP3文件 通过WAV。MP3提供了良好的压缩和广泛的兼容性，而WAV文件则不必要地大。
配置
| 环境变量 | 描述 |
|---|---|
OPENROUTER_API_KEY | 必需。您的OpenRouter API密钥 |
OPENROUTER_MODEL | 可选。要使用的型号（默认：Gemini Flash Lite） |
TRANSCRIPT_OUTPUT_DIR | 可选。自动保存位置（默认值： ./transcripts).设置为空字符串以禁用。 |
MCP_TRANSPORT | 可选。设置为 http 用于HTTP传输模式 |
MCP_PORT | 可选。HTTP模式端口（默认值： 3000) |
部署选项
本地（克劳德代码，克劳德桌面）
使用stdio传输。所有可用功能，包括SSH文件检索。
# Via npx (recommended)
npx gemini-transcription-mcp
# Or install globally
npm install -g gemini-transcription-mcp
gemini-transcription-mcp远程/Docker（MetaMCP、聚合器）
使用HTTP传输。需要安装了ffmpeg的容器或服务器。
Docker编写：
# docker-compose.yml
services:
gemini-transcription:
image: ghcr.io/danielrosehill/gemini-transcription-mcp
ports:
- "3000:3000"
environment:
- OPENROUTER_API_KEY=${OPENROUTER_API_KEY}# Create .env file with your API key
echo "OPENROUTER_API_KEY=your-key" > .env
# Start the service
docker compose up -d按部署类型划分的功能可用性
| 功能 | 本地（stdio） | 远程（HTTP） |
|---|---|---|
| Base64音频输入 | 是 | 是 |
| URL音频输入 | 是 | 是 |
| SSH文件检索 | 是 | 否\* |
| 转录自动保存 | 是 | 容器容量 |
| VAD预处理 | 是 | 是 |
| 格式转换 | 是 | 是 |
\*SSH检索需要本地访问SSH密钥和网络。
需求
- Node.js 18+
- ffmpeg（用于格式转换和VAD预处理）
- OpenRouter API密钥
使用Docker时，ffmpeg包含在镜像中。
从源头构建
git clone https://github.com/danielrosehill/Gemini-Transcription-MCP.git
cd Gemini-Transcription-MCP
npm install
npm run build
# Run locally
OPENROUTER_API_KEY=your-key npm start
# Run with HTTP transport
OPENROUTER_API_KEY=your-key MCP_TRANSPORT=http npm start
# Build Docker image
docker build -t gemini-transcription-mcp .许可证
麻省理工学院