MCPプロトコルに基づく抖音動画処理サーバーで、ノーウォーターマーク動画のダウンロード、音声の抽出、テキストの変換機能をサポートします。

Speech MCPは、Goose用に設計された音声対話拡張機能で、リアルタイム音声認識、テキスト読み上げ、オーディオ可視化機能を提供します。

Google Gemini AIに基づくMCPサーバーで、画像、音声、ビデオ認識機能を提供し、複数の伝送方式とクライアント統合をサポートします。

mcp - audioはAIO - 2030標準に準拠したMCPプラグインで、音声を文字に変換する機能を提供し、複数の音声フォーマットとAPI呼び出し方法をサポートします。

Windowsのネイティブ音声サービスに基づくテキスト読み上げと音声認識のMCPサーバーで、外部APIに依存する必要はありません。

Claude Codeに音声対話モードを提供するMCPサービスです。ブラウザを通じてハンズフリーの連続双方向音声対話をサポートし、音声認識とテキスト読み上げ機能を備えています。

OpenAI APIに基づく音声文字起こしMCPサーバーで、音声トランスクリプション機能を提供し、複数の設定オプションをサポートします。

MCPプロトコルに基づくスマートペットコンパニオンアプリで、音声認識と自然言語処理を通じて仮想ペットとのインタラクションを実現し、マルチプラットフォームでの実行をサポートします。

Jarvis MCPはブラウザベースの音声対話ツールで、ユーザーがマイクを使ってAIアシスタントと自然な音声で会話することができます。30種類以上の言語の認識と遠隔アクセスをサポートし、追加のソフトウェアやAPIキーのインストールは必要ありません。

このプロジェクトは、ビデオ音声認識機能を拡張し、ローカルのWhisperモデルのみをサポートする状態から、簡影とB站クリッピングのオンライン音声認識サービスを新たにサポートするようになり、柔軟なマルチサービス選択アーキテクチャを提供します。

Faster Whisperに基づく高性能の音声認識MCPサーバーで、効率的な音声転写機能を提供し、バッチ処理、複数のモデルサイズ、複数の出力形式をサポートします。

Speech MCPはGoose用に設計された音声対話拡張機能で、リアルタイムの音声認識、高品質のテキスト読み上げ、多言語サポート、および最新のオーディオビジュアライゼーションインターフェイスを提供し、多キャラクター対話生成と音声文字起こし機能をサポートします。

MCP話者分離と識別システムは、GPUによる加速を備えた話者分離、音声認識、感情検出、およびWebインターフェイスを統合した完全なソリューションです。pyannote.audioの話者分離技術とfaster - whisperの文字起こし技術を組み合わせ、永続的な話者識別（一度登録すれば永久に識別可能）、デュアル検出器による感情分析（汎用AIと個別化された声紋を組み合わせる）、リアルタイムストリーム処理、REST API、およびMCPサーバーをサポートしており、AIエージェントの統合や趣味プロジェクトに最適です。

TENエージェントは、リアルタイムビジュアル、音声認識、画面共有検出機能を統合した多機能AIエージェントフレームワークで、迅速な拡張開発をサポートします。

ASR MCPサーバーは、whisperエンジンに基づく自動音声認識サービスで、MCPツールを通じて音声合成機能を提供し、アプリへの統合が容易です。