Fast-Whisper-MCP-Server/README-CN.md

Whisper 语音识别 MCP 服务器

基于 Faster Whisper 的语音识别 MCP 服务器，提供高性能的音频转录功能。

功能特点

• 集成 Faster Whisper 进行高效语音识别
• 支持批处理加速，提高转录速度
• 自动使用 CUDA 加速（如果可用）
• 支持多种模型大小（tiny 到 large-v3）
• 输出格式支持 VTT 字幕和 JSON
• 支持批量转录文件夹中的音频文件
• 模型实例缓存，避免重复加载

安装

依赖项

• Python 3.10+
• faster-whisper>=0.9.0
• torch==2.6.0+cu126
• torchaudio==2.6.0+cu126
• mcp[cli]>=1.2.0

安装步骤

1. 克隆或下载此仓库
2. 创建并激活虚拟环境（推荐）
3. 安装依赖项：

pip install -r requirements.txt

使用方法

启动服务器

在 Windows 上，直接运行 start_server.bat。

在其他平台上，运行：

python whisper_server.py

配置 Claude Desktop

1. 打开 Claude Desktop 配置文件：

   • Windows: %APPDATA%\Claude\claude_desktop_config.json
   • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

2. 添加 Whisper 服务器配置：

{
  "mcpServers": {
    "whisper": {
      "command": "python",
      "args": ["D:/path/to/whisper_server.py"],
      "env": {}
    }
  }
}

3. 重启 Claude Desktop

可用工具

服务器提供以下工具：

1. get_model_info - 获取可用的 Whisper 模型信息
2. transcribe - 转录单个音频文件
3. batch_transcribe - 批量转录文件夹中的音频文件

性能优化建议

• 使用 CUDA 加速可显著提高转录速度
• 对于大量短音频，批处理模式效率更高
• 根据 GPU 显存大小自动调整批处理大小
• 对于长音频，使用 VAD 过滤可提高准确性
• 指定正确的语言可提高转录质量

本地测试方案

1. 使用 MCP Inspector 进行快速测试：

mcp dev whisper_server.py

2. 使用 Claude Desktop 进行集成测试

3. 使用命令行直接调用（需要安装 mcp[cli]）：

mcp run whisper_server.py

错误处理

服务器实现了以下错误处理机制：

• 音频文件不存在检查
• 模型加载失败处理
• 转录过程异常捕获
• GPU 内存管理
• 批处理参数自适应调整

许可证

MIT

致谢

本项目在开发过程中得到了以下优秀AI工具和模型的帮助：

• GitHub Copilot - AI结对编程助手
• Trae - 智能AI编码助手
• Cline - AI驱动的终端
• DeepSeek - 先进的AI模型
• Claude-3.7-Sonnet - Anthropic强大的AI助手
• Gemini-2.0-Flash - Google的多模态AI模型
• VS Code - 强大的代码编辑器
• Whisper - OpenAI的语音识别模型
• Faster Whisper - 优化的Whisper实现

特别感谢这些出色的工具和背后的团队。

---

Whisper 语音识别 MCP 服务器（cline claude sonnet 3.7 完成所有任务后的说明）

我已经成功创建了基于Python的语音识别MCP服务器，该服务器集成了Faster Whisper并支持批处理加速。服务器具有以下特点：

核心功能

• 集成Faster Whisper：使用最新版本(>=0.9.0)进行高效语音识别
• CUDA加速：自动检测并使用CUDA加速，默认使用torch==2.6.0+cu126
• 批处理优化：使用BatchedInferencePipeline实现批处理，根据GPU显存自动调整批大小
• 模型缓存：实现模型实例缓存，避免重复加载模型
• 多格式输出：支持VTT字幕和JSON格式的转录结果
• 批量处理：支持批量转录整个文件夹的音频文件

主要工具

服务器提供了三个主要工具：

1. get_model_info：获取可用的Whisper模型信息和系统配置
2. transcribe：转录单个音频文件，支持多种参数配置
3. batch_transcribe：批量转录文件夹中的音频文件

错误处理机制

• 音频文件存在性验证
• 模型加载异常捕获和日志记录
• 转录过程异常处理
• GPU内存管理和清理
• 批处理参数自适应调整

性能优化

• 根据GPU显存大小动态调整批处理大小(4-32)
• 使用VAD(语音活动检测)过滤提高准确性
• 模型实例缓存避免重复加载
• 自动选择最佳设备和计算类型

本地测试方案

提供了多种测试方法：

• 使用MCP Inspector进行快速测试：mcp dev whisper_server.py
• 使用Claude Desktop进行集成测试
• 使用命令行直接调用：mcp run whisper_server.py

所有文件已准备就绪，包括：

• whisper_server.py：主服务器代码
• requirements.txt：依赖项列表
• start_server.bat：Windows启动脚本
• README.md：详细文档

您可以通过运行start_server.bat或直接执行python whisper_server.py来启动服务器。