语音识别服务

语音识别服务是 neosun100 开发的 MCP 服务器：基于GLM-ASR-Nano的高精度语音识别服务，支持17种语言，提供Web UI、REST API和SSE流式传输功能。接入两步走：docker run -d --gpus all -p 7860:7860 neosun/glm-asr:v2.0.1，再把下文配置粘进客户端 mcpServers 段重启即可。

先把话说清楚：语音识别服务不是又一个大模型，而是一个标准的 MCP 服务器。装好之后，你的 AI 客户端多出一组新工具，模型可以按需调用。基于GLM-ASR-Nano的高精度语音识别服务，支持17种语言，提供Web UI、REST API和SSE流式传输功能

• ? High Accuracy - Based on GLM-ASR-Nano-2512 (1.5B), outperforms Whisper V3
• ? 17 Languages - Chinese, English, Cantonese, Japanese, Korean, and more
• ? Long Audio - VAD smart segmentation for unlimited audio length
• ? SSE Streaming - Real-time progress and results for long audio
• ?️ Web UI - Modern dark-mode interface with 4 language support
• ? REST API - Full API with Swagger documentation
• ? GPU Management - Manual load/unload for memory control
• ? Docker Ready - One-command deployment with pre-loaded model

两类人最该装：一是靠 AI 出稿、出图、做内容流水线的内容团队；二是已经在用 MCP 生态、想按需拼装能力的折腾型用户。反过来，如果你只需要偶尔手动用它背后的服务，直接开网页就行，不必上 MCP。

动手前确认环境齐了：

• Docker 环境（docker ps 正常返回即可）。
• git。
• 一个支持 MCP 的客户端：Claude Desktop、Cursor、Cline、Windsurf 任选其一。

终端里任选一条（不同安装方式，效果等价）：

docker run -d --gpus all -p 7860:7860 neosun/glm-asr:v2.0.1
git clone https://github.com/neosun100/glm-asr.git

语音识别服务的 README 没给标准 mcpServers JSON，配置入口见 官方文档 的 Usage/Configuration 章节。原则不变：客户端配置文件里加 mcpServers 条目，重启生效。

完全退出客户端再打开（是托盘里真正退出，不是关窗口）。工具列表里出现语音识别服务的工具即接入成功；调用报错的话，先查下面的坑点清单。

• 改了配置没反应：客户端只重启了窗口没退进程。macOS 按 Cmd+Q，Windows 检查托盘。
• JSON 报错打不开客户端：多半是最后多个逗号。粘进任何 JSON 校验器里查一遍再保存。