标签：语音识别

一个基于Express的应用程序，通过语音识别和MCP协议提供日历管理功能，支持与CalDAV服务器交互和OpenAI兼容的API调用。

SpeakerMan是一个基于人工智能的完整语音聊天系统，结合语音识别（Whisper）、自然语言处理（Gemini）和语音合成（gTTS）技术，提供流畅的对话体验。

mcp-claude-say 是一个为 Claude Code 提供的语音交互服务，支持文本到语音（TTS）和语音到文本（STT）功能，实现完整的语音对话体验。

一组用于语音合成（TTS）、语音识别（STT）和检索增强生成（RAG）的轻量级组件，适用于小型项目和个人开发。

一个基于语音输入的多模态产品搜索助手，利用LangGraph进行多步骤代理编排，结合RAG和网络搜索功能，通过语音输入和输出提供产品搜索服务。

一个基于Rust和OpenAI Whisper的语音转文本MCP服务器，支持macOS、Linux和Windows的硬件加速。

claude-stt是一款本地化、隐私保护的语音转文本工具，专为Claude Code设计，支持跨平台使用，提供两种录音模式：静音检测和按键通话。

一个集成了语音识别（STT）和语音合成（TTS）功能的Web服务器，支持REST API和MCP协议，适用于AI助手集成和音频处理。

MCP Whisper转录服务器是一款基于MLX优化的Whisper模型的音频/视频转录服务，专为Apple Silicon设备设计，提供超快速性能。

一个本地智能代理，通过实时语音翻译和自然语音合成技术，支持技术面试场景下的多语言交流。

一款利用AI技术将语音录音转换为可操作任务、日历事件和结构化笔记的工具，支持Claude AI和MCP协议。

MCP-Audio是一款符合AIO-2030标准的MCP插件，通过Audio语音识别API实现语音到文字的转换，支持多格式输入和JSON-RPC结构化输出。

一个结合语音识别和日历管理的工具，通过语音指令管理日历事件并与CalDAV服务器交互。

Discord语音频道实时语音转文字工具，支持说话人识别、自动会议记录生成和MCP服务器集成，适用于韩英双语会议团队。

一个结合语音识别和人工智能的日历管理工具，支持通过语音或文本指令管理日历事件，并与CalDAV服务器集成。

基于WebSocket的双向音频流应用，集成Amazon Nova Sonic模型实现实时语音对话，支持多语言界面和多种AI语音角色。

一个结合语音识别和日历管理的工具，通过语音指令管理日程并与CalDAV服务器交互。

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。

一个为Claude Code和其他MCP客户端添加语音功能的服务器，支持高质量的文本转语音（TTS）和语音转文本（STT）功能。

Deepgram的模型上下文协议服务器，为AI编辑器提供直接访问Deepgram的语音、转录和音频智能工具的服务。

通过本地或远程服务器上的Whisper进行语音转录，支持Claude Code通过SSH/tmux环境进行远程语音输入。

一款基于 whisper.cpp 的高性能视频转录服务器，支持从 1000+ 平台下载并转录视频，适用于离线语音转文字场景。

为Claude Code提供双向语音交互功能，通过本地运行的语音转文本和文本转语音工具实现与Claude的自然语言对话。

一个独立的MCP服务器，提供Microsoft Teams、日历、语音/STT和Persona会议功能，支持原生模式（Graph API）和Persona模式（基于浏览器，无需Azure注册）。