ElevenLabs Scribe MCP 服务器

这是一个用于 ElevenLabs 的 Scribe 语音转文字 API 的模型控制协议（MCP）服务器实现，提供实时转录功能以及高级上下文管理和双向流传输。

功能

• 实时转录：直接从麦克风传输音频并获得即时转录结果
• 基于文件的转录：上传音频文件进行批量处理
• MCP 协议支持：完全实现模型控制协议以更好地管理上下文
• WebSocket 支持：实时双向通信
• 上下文管理：维护对话上下文以提高转录准确性
• 多种音频格式支持：支持各种音频格式并自动转换
• 语言检测：自动检测语言并评分
• 事件检测：识别语音和非语音音频事件

安装

1. 克隆仓库：

git clone https://github.com/aromanstatue/MCP-Elevenlab-Scribe-ASR.git
cd MCP-Elevenlab-Scribe-ASR

2. 创建并激活虚拟环境：

python -m venv venv
source venv/bin/activate  # 在 Windows 上使用：venv\Scripts\activate

3. 安装依赖项：

pip install -e .

4. 创建一个包含 ElevenLabs API 密钥的 .env 文件：

ELEVENLABS_API_KEY=your-api-key-here

使用方法

启动服务器

python -m elevenlabs_scribe_mcp_server.main

默认情况下，服务器将在端口 8000 上启动（或使用下一个可用端口）。

使用示例客户端

1. 文件转录：

python examples/client_example.py --file path/to/audio.wav

2. 麦克风转录：

python examples/client_example.py --mic

API 端点

1. REST API：

• POST /transcribe：上传音频文件进行转录
• GET /health：健康检查端点

2. WebSocket API：

• ws://localhost:8000/ws/transcribe：实时音频转录

MCP 协议

服务器实现了以下消息类型的模型控制协议（MCP）：

1. INIT：初始化一个新的转录会话
2. START：开始音频流传输
3. AUDIO：发送音频数据
4. TRANSCRIPTION：接收转录结果
5. ERROR：错误信息
6. STOP：结束音频流传输
7. DONE：完成会话

开发

运行测试

pytest tests/

项目结构

elevenlabs-scribe-mcp-server/
├── elevenlabs_scribe_mcp_server/
│   ├── __init__.py
│   ├── main.py              # FastAPI 服务器
│   └── mcp/
│       ├── __init__.py
│       ├── protocol.py      # MCP 协议处理器
│       ├── types.py         # 协议类型
│       └── elevenlabs.py    # ElevenLabs 实现
├── examples/
│   └── client_example.py    # 示例客户端
├── tests/
│   └── test_transcribe.py   # 测试套件
├── pyproject.toml           # 项目元数据
└── README.md

要求

• Python 3.8+
• FastAPI
• Uvicorn
• PyAudio（用于麦克风支持）
• aiohttp
• python-dotenv
• pydantic

贡献

1. 分叉仓库
2. 创建你的功能分支 (git checkout -b feature/amazing-feature)
3. 提交更改 (git commit -m '添加精彩功能')
4. 推送到分支 (git push origin feature/amazing-feature)
5. 打开拉取请求

许可证

MIT 许可证 - 详情见 LICENSE 文件。

致谢

• ElevenLabs 为他们出色的 Scribe API
• FastAPI 为现代 Web 框架
• Python 社区为提供的出色工具和库