基于Faster Whisper的高性能语音识别MCP服务器

English Document

一款基于Faster Whisper的高效语音识别MCP服务器，提供强大的音频转录功能。

功能特性

• 集成Faster Whisper实现高效的语音识别
• 批处理加速提升转录速度
• 自动化CUDA加速（若有可用GPU）
• 支持多种模型规模（从tiny到large-v3）
• 输出格式包括VTT字幕、SRT和JSON
• 支持文件夹内音频文件的批量转录
• 模型实例缓存避免重复加载
• 根据GPU内存动态调整批量大小

安装指南

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

PyTorch安装指南

根据你的CUDA版本安装合适的PyTorch版本：

• CUDA 12.6:

  pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cu126
  

• CUDA 12.1:

  pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu121
  

• CPU版本:

  pip install torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 --index-url https://download.pytorch.org/whl/cpu
  

你可以通过 nvcc --version 或 nvidia-smi 检查CUDA版本。

使用方法

启动服务器

在Windows系统中，直接运行 start_server.bat。

在其他平台运行：

python whisper_server.py

配置Claude桌面

1. 打开Claude桌面配置文件：

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

2. 添加Whisper服务器的配置：

{
  "mcpServers": {
    "whisper": {
      "command": "python",
      "args": ["-m", "whisper_server"],
      "env": {}
    }
  }
}

3. 启动Claude桌面后，转录功能将可用。

技术细节

转录流程

1. 音频输入: 支持多种格式（如wav、mp3）
2. 模型加载: 动态加载Faster Whisper模型
3. 语音识别: 实现高效的语音转录
4. 结果输出: 返回标准的JSON格式

性能优化建议

• 使用GPU加速以提升处理速度
• 合理设置批量大小以平衡资源使用
• 定期更新模型保持最佳性能

项目依赖

• Whisper: https://github.com/openai/whisper
• Faster Whisper: https://github.com/guillaumekln/faster-whisper

特别鸣谢

感谢以下工具和团队的支持：

• VS Code
• OpenAI的Whisper项目
• GuillaumeKln的Faster Whisper实现