Gemini Transcription MCP

MCP音视频

提供方 danielrosehill

音视频 stdio · 本地进程 API Key 社区 / 第三方 Claude
查看接入方式

使用Google的Gemini多模态API实现音频到文本的转录服务,支持多种输入方式和格式转换。

一句话选型结论

按资料字段整理

Gemini Transcription MCP 属于音视频类 MCP 服务器,stdio · 本地进程,API Key,可直接接入 Claude,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类音视频 传输方式stdio · 本地进程 鉴权API Key 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 7 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

音视频
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量7暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

音频处理TypeScript本地部署文本转录多模态API格式转换语音识别

安装与配置

stdio · 本地进程 API Key
客户端在本机拉起子进程,数据不出本机
docker run -d \

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Docker,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 7 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
转写与字幕

把音视频转成文字和字幕。

音视频处理

裁剪、转码、拼接素材。

内容分发

把成品发到对应平台。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 7 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好API Key对应的凭据,并按最小权限配置。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在音视频场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Gemini Transcription MCP当前 7 stdio · 本地进程 本地部署 有 2026-05-17
Ableton MCP B7b69a6a 16 stdio · 本地进程 本地部署 有 2026-05-17
Mini Max MCP 8 SSE · 服务端推送 远程部署 有 2026-05-18
LocalAI 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Youtube E0eb3510 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Voicemode MCP 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

音视频
字段来自项目仓库与公开索引,中文说明由本站标注
提供方danielrosehill上游标注的维护方 danielrosehill
分类音视频本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式API Key远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Docker本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

4.6 KB
来自项目仓库与上游目录的原文,未做删改

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。

快速开始

克劳德代码(推荐)```bash

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`:```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:```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:```bash
# 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)URL
  • ssh_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。```bash

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:**```yaml
# docker-compose.yml
services:
gemini-transcription:
image: ghcr.io/danielrosehill/gemini-transcription-mcp
ports:
- "3000:3000"
environment:
- OPENROUTER_API_KEY=${OPENROUTER_API_KEY}
``````bash
# 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```bash

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

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Gemini Transcription MCP 怎么安装?

在客户端按下面的安装命令接入:docker run -d \。装完在客户端配置里引用同一个包或端点。

Gemini Transcription MCP 怎么在 Claude 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Gemini Transcription MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Gemini Transcription MCP 需要 API Key 吗?

资料标注需要API Key认证,使用前准备好对应凭据,并按最小权限配置。

Gemini Transcription MCP 支持哪些客户端?

资料标注支持 Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Gemini Transcription MCP 能提供哪些能力?

资料显示约 7 个工具;能力标签包括 音频处理、TypeScript、Claude、格式转换。具体工具清单以官方文档为准。

Gemini Transcription MCP 需要什么运行环境?

运行时为 Docker;属于本地进程,需要在本机装好运行环境。

Gemini Transcription MCP 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。