MLX Whisper MCP est un serveur autonome basé sur Python qui fournit des capacités de transcription audio, supportant des entrées de fichiers directs, de données base64 et de vidéos YouTube. Il tire parti du modèle de haute qualité MLX Whisper et est optimisé pour les Macs Apple Silicon, automatisant la gestion des dépendances et offrant une console riche pour le débogage. Il est idéal pour intégrer des fonctionnalités de reconnaissance vocale dans des flux de travail ou des applications locales.
Ajouté le :
Créé par :
Apr 11 2025
MLX Whisper MCP est un serveur autonome basé sur Python qui fournit des capacités de transcription audio, supportant des entrées de fichiers directs, de données base64 et de vidéos YouTube. Il tire parti du modèle de haute qualité MLX Whisper et est optimisé pour les Macs Apple Silicon, automatisant la gestion des dépendances et offrant une console riche pour le débogage. Il est idéal pour intégrer des fonctionnalités de reconnaissance vocale dans des flux de travail ou des applications locales.
Ajouté le :
Created by:
Apr 11 2025
Kachi O
Vedettes
Qu'est-ce que MLX Whisper MCP ?
Ce serveur MCP (Modèle Protocole Contextuel) permet une transcription audio de haute qualité en utilisant MLX Whisper sur des Macs Apple Silicon. Il prend en charge plusieurs méthodes d'entrée, y compris des chemins de fichiers audio directs, des données audio encodées en base64 et des vidéos YouTube, le rendant polyvalent pour divers besoins de transcription. Le serveur automatise l'installation des dépendances via uv, gère les fichiers temporaires et enregistre les transcriptions aux côtés de l'audio original. Il utilise le modèle avancé MLX Whisper large-v3-turbo pour une transcription précise, offrant une solution transparente et efficace pour les développeurs nécessitant des capacités de reconnaissance vocale locales, en particulier dans des environnements Mac.
Qui va utiliser MLX Whisper MCP ?
- Développeurs nécessitant des solutions de reconnaissance vocale locales
- Chercheurs travaillant sur la transcription audio
- Utilisateurs Mac utilisant des Macs Apple Silicon pour des projets d'IA
- Équipes intégrant la transcription dans des flux de travail
- Créateurs de contenu ayant besoin de transcriptions de vidéos
Comment utiliser MLX Whisper MCP ?
- Étape 1 : Installez Python 3.12 ou supérieur sur votre Mac.
- Étape 2 : Exécutez le serveur en utilisant la commande : `uv run mlx_whisper_mcp.py`.
- Étape 3 : Utilisez des outils pris en charge comme `transcribe_file`, `transcribe_audio` ou `transcribe_youtube` via des appels API ou des intégrations clients.
- Étape 4 : Fournissez les paramètres d'entrée requis tels que le chemin du fichier, les données audio en base64 ou l'URL YouTube.
- Étape 5 : Recevez la sortie de transcription, qui est également sauvegardée en tant que fichier texte aux côtés de l'entrée.
- Étape 6 : Arrêtez ou redémarrez le serveur si nécessaire pour des mises à jour ou des changements.
Caractéristiques et Avantages Clés de MLX Whisper MCP
Les fonctionnalités principales
- transcribe_file : Transcrit un fichier audio depuis le disque
- transcribe_audio : Transcrit des données audio encodées en base64
- download_youtube : Télécharge une vidéo YouTube
- transcribe_youtube : Télécharge et transcrit une vidéo YouTube
Les avantages
- Prend en charge plusieurs formats d'entrée pour plus de flexibilité
- Optimisé pour les Macs Apple Silicon
- Gestion automatisée des dépendances
- Transcription de haute qualité utilisant le modèle MLX Whisper large-v3-turbo
- Sortie de console riche pour le débogage
Principaux Cas d'Utilisation et Applications de MLX Whisper MCP
- Transcription de podcasts ou d'interviews localement
- Automatisation de la transcription de contenu vidéo à partir de YouTube
- Intégration de la reconnaissance vocale dans des flux de travail basés sur Mac
- Projets de recherche nécessitant des transcriptions de haute précision
- Créateurs de contenu générant des sous-titres ou transcriptions
FAQs sur MLX Whisper MCP
Développeur
- kachiO
Vous aimerez peut-être aussi：
Outils de développement
Une application de bureau pour gérer les interactions entre serveur et client avec des fonctionnalités complètes.
Un serveur Model Context Protocol pour Eagle qui gère l'échange de données entre l'application Eagle et les sources de données.
Un client basé sur le chat qui intègre et utilise divers outils MCP directement dans un environnement de chat pour augmenter la productivité.
Une image Docker hébergeant plusieurs serveurs MCP accessibles via un point d'entrée unifié avec intégration supergateway.
Fournit un accès aux soldes de compte YNAB, aux transactions et à la création de transactions via le protocole MCP.
Un serveur MCP rapide et évolutif pour gérer les opérations de trading Zerodha en temps réel pour plusieurs clients.
Un client SSH distant facilitant un accès sécurisé basé sur un proxy aux serveurs MCP pour l'utilisation d'outils distants.
Un serveur MCP basé sur Spring intégrant des capacités d'IA pour gérer et traiter les protocoles de communication des mods Minecraft.
Un client MCP minimaliste avec des fonctionnalités de chat essentielles, prenant en charge plusieurs modèles et des interactions contextuelles.
Un serveur MCP sécurisé permettant aux agents IA d'interagir avec l'application Authenticator pour les codes 2FA et les mots de passe.
Recherche et données
Une implémentation de serveur prenant en charge le Modèle de Contexte Protocole, intégrant les capacités d'IA industrielle de CRIC.
Fournit des données en temps réel sur la circulation, la qualité de l'air, la météo et le partage de vélos pour la ville de Valence sur une plateforme unifiée.
Une application React démontrant l'intégration avec Supabase via des outils MCP et Tambo pour l'enregistrement de composants UI.
Un client MCP intégrant l'API Brave Search pour les recherches web, utilisant le protocole MCP pour une communication efficace.
Un serveur de protocole permettant une communication transparente entre Umbraco CMS et des applications externes.
NOL intègre LangChain et Open Router pour créer un serveur MCP multi-client utilisant Next.js.
Connecte les LLMs à Firebolt Data Warehouse pour des requêtes autonomes, un accès aux données et une génération d'analyses.
Un cadre client pour connecter des agents IA à des serveurs MCP, permettant la découverte et l'intégration d'outils.
Spring Link facilite la liaison et la gestion de plusieurs applications Spring Boot de manière efficace dans un environnement unifié.
Un client open-source pour interagir avec plusieurs serveurs MCP, permettant un accès fluide aux outils pour Claude.
Chatbot IA
Intègre des API, de l'IA et de l'automatisation pour améliorer dynamiquement les fonctionnalités du serveur et du client.
Fournit une mémoire à long terme pour les LLM en stockant et en récupérant des informations contextuelles via des normes MCP.
Un serveur avancé d'analyse des preuves cliniques soutenant la médecine de précision et la recherche en oncologie avec des options de recherche flexibles.
Une plateforme regroupant des agents A2A, des outils, des serveurs et des clients pour une communication et une collaboration entre agents efficaces.
Un chatbot basé sur Spring pour Cloud Foundry qui s'intègre aux services d'IA, MCP et memGPT pour des capacités avancées.
Un agent IA contrôlant macOS via des outils au niveau du système d'exploitation, compatible avec MCP, facilitant la gestion du système via l'IA.
Bibliothèque cliente PHP permettant l'interaction avec des serveurs MCP via SSE, StdIO ou processus externes.
Une plateforme pour gérer et déployer des agents autonomes, des outils, des serveurs et des clients pour des tâches d'automatisation.
Permet d'interagir avec des API puissantes de synthèse vocale et de génération de vidéos pour la création de contenu multimédia.
Un serveur MCP fournissant un accès API à RedNote (XiaoHongShu, xhs) pour une intégration transparente.