Groq Speech To Text MCP Server

Groq语音转文本MCP服务器

用于Groq语音转文本的MCP（模型上下文协议）服务器（默认为 whisper-large-v3-turbo).

每个转录都会将输出的副本写入 ./transcripts （要么 .txt 或 .json 取决于 response_format).

先决条件

• Node.js 20+
• Groq API密钥

快速开始

npm install
export GROQ_API_KEY="your_groq_api_key"
npm run build
npm start

对于带有env文件的本地dev：

cp .env.local.example .env.local
# edit .env.local
npm run dev

添加到MCP客户端（stdio）

{
  "mcpServers": {
    "groq-speech-to-text": {
      "command": "node",
      "args": ["/groq-speech-to-text-mcp-server/dist/index.js"],
      "env": {
        "GROQ_API_KEY": "your_groq_api_key"
      }
    }
  }
}

工具

groq_transcribe_audio

转录一个或多个音频文件或URL。每个转录都会将输出的副本写入 ./transcripts.

示例（单个URL）：

{
  "items": [{ "url": "https://example.com/audio.wav" }],
  "response_format": "text"
}

常见输入：

• items：输入数组。每个项目必须提供以下内容之一 file_path 或 url.
• items[*].save_as：保存在 ./transcripts 具有明确的文件名（仅文件名；无路径分隔符）。
• response_format: text | json | verbose_json （时间戳需要 verbose_json).
• timestamp_granularities: ["word"], ["segment"]，或两者兼而有之（仅适用于 verbose_json).
• include_metadata：在结构化输出中包含时间戳/元数据（对于长音频来说可能很大）。
• output_format：工具如何格式化其 *文本* 响应： text | markdown | json.
• concurrency：并发转录的最大数量（1-10）。

示例（许多输入）：

{
  "items": [
    { "id": "intro", "url": "https://example.com/intro.wav", "save_as": "intro.txt" },
    { "id": "outro", "file_path": "/absolute/path/to/outro.m4a" }
  ],
  "concurrency": 4
}

备注

• Groq语音转文本文档：https://console.groq.com/docs/speech-to-text
• 此服务器使用Groq的OpenAI兼容端点： https://api.groq.com/openai/v1/audio/transcriptions.
• file_path 从运行MCP服务器的机器读取。对于远程/私人文件，首选 url （例如预签名的URL）。
• 直接文件上传限制为25MB。对于较大的媒体（例如。， .mkv 视频）、提取/压缩音频或使用 url.

配置（环境）

• GROQ_API_KEY （必填）
• GROQ_OPENAI_BASE_URL （可选）：覆盖基本URL（默认 https://api.groq.com/openai/v1)
• GROQ_STT_REQUEST_TIMEOUT_MS （可选）：请求超时（毫秒）（默认值 300000)
• GROQ_STT_MAX_RETRIES （可选）：429/5xx的重试次数（默认值 2)
• GROQ_STT_RETRY_BASE_MS （可选）：基本退避（毫秒）（默认值 250)

发展

npm test