标签：音频识别

MCP（模型上下文协议）服务器，提供使用Google Gemini或显式配置的OpenAI兼容端点进行图像、音频和视频识别的工具。

基于Faster Whisper技术的高效多语言字幕生成工具，支持本地文件和在线视频的音频识别与翻译。