SpeechPulse MCP服務器 - 語音識別轉文字AI助手集成工具

探索

Speechpulse

#null .Python

評分 : 2分

下載量 : 6.4K

更新時間 : 2026-06-17

打開站點

安裝

複製以下命令到你的Client進行配置

{
  "mcpServers": {
    "speechpulse": {
      "command": "python",
      "args": ["-m", "speechpulse"],
      "env": {
        "SPEECHPULSE_TIER": "lite"
      }
    }
  }
}

注意：您的密鑰屬於敏感信息，請勿與任何人分享。

🎙️ SpeechPulse

語音情感理解 MCP 服務器

SpeechPulse 通過分析語音音頻，利用韻律特徵（音高、能量、節奏）來檢測情感、評估緊迫性並識別諷刺。Lite 層級完全基於 Python 標準庫構建，實現零機器學習依賴。

✨ 主要特性

🎭 情感檢測：基於變異係數（CV）閾值識別 7 種情感（高興、興奮、憤怒、悲傷、疲憊、焦慮、中性）
⏱️ 緊迫性評估：基於說話模式進行 4 級緊迫性檢測（低、中、高、緊急）
🙃 諷刺檢測：通過對比文本情感與音頻情感來識別諷刺
🚫 零機器學習依賴：Lite 層級僅使用 Python 標準庫（無需 numpy/scipy/librosa）
🔌 MCP 兼容：通過 Model Context Protocol 暴露工具，可與 Claude Desktop 及其他 MCP 客戶端集成

📦 安裝指南

從 PyPI 安裝（發佈後可用）

pip install speechpulse

從源碼安裝

git clone https://github.com/sophieMiao/speechpulse.git
cd speechpulse
pip install -e ".[dev]"

🚀 快速開始

作為 MCP 服務器使用

將其添加到你的 MCP 客戶端配置中（例如 Claude Desktop）：

{
  "mcpServers": {
    "speechpulse": {
      "command": "python",
      "args": ["-m", "speechpulse"],
      "env": {
        "SPEECHPULSE_TIER": "lite"
      }
    }
  }
}

作為 Python 庫使用

from speechpulse.analyzer import SpeechAnalyzer

# Initialize analyzer
analyzer = SpeechAnalyzer()

# Analyze emotion
result = analyzer.analyze("path/to/audio.wav")
print(f"Primary emotion: {result['emotion']['primary']}")

# Assess urgency
urgency = analyzer.assess_urgency("path/to/audio.wav")
print(f"Urgency level: {urgency.level}")

# Detect sarcasm (requires text in Lite tier)
sarcasm = analyzer.detect_sarcasm(
    "path/to/audio.wav",
    text="這真是太棒了"
)
print(f"Is sarcastic: {sarcasm.is_sarcastic}")

# Full analysis
full = analyzer.full_analysis("path/to/audio.wav", text="我受夠了！")
print(full['summary'])
print(full['interpretation'])

命令行用法

# Start MCP server with stdio transport (default)
python -m speechpulse

# Start with SSE transport
python -m speechpulse --transport sse --port 8080

# Enable verbose logging
python -m speechpulse -v

🔧 MCP 工具

`analyze_audio`

分析音頻的情感和基礎特徵。

參數：

audio_path（string，必填）：WAV 音頻文件的路徑
text（string，可選）：用於上下文的轉寫文本

返回： 情感檢測結果、說話人狀態以及原始音頻特徵

`assess_urgency`

基於音頻韻律評估緊迫程度。

參數：

audio_path（string，必填）：音頻文件的路徑
text（string，可選）：用於基於關鍵詞的緊迫性檢測的文本

返回： 緊迫性評分、級別以及判斷依據

`detect_sarcasm`

通過對比文本情感與音頻情感來檢測諷刺。

參數：

audio_path（string，必填）：音頻文件的路徑
text（string，可選）：轉寫文本（推薦提供）

返回： 諷刺檢測結果，包含置信度與指示項

`full_analysis`

執行完整分析（情感 + 緊迫性 + 諷刺）。

參數：

audio_path（string，必填）：音頻文件的路徑
text（string，可選）：轉寫文本

返回： 包含摘要與解讀的完整分析結果

`health_check`

檢查服務器健康狀態與能力。

返回： 狀態、版本、層級以及可用能力

🏗️ 項目架構

speechpulse/
├── types.py           # Core data types (AudioFeatures, EmotionResult, etc.)
├── config.py          # Configuration management
├── utils.py           # Audio loading and processing utilities
├── audio_features.py  # Feature extraction (pitch, energy, etc.)
├── emotion.py         # CV-based emotion rule engine
├── urgency.py         # Urgency assessment logic
├── sarcasm.py         # Sarcasm detection
├── analyzer.py        # Main analysis pipeline
├── server.py          # MCP server implementation
├── asr.py             # ASR stub (Standard/Pro tier)
└── ml_emotion.py      # ML emotion stub (Pro tier)

🔬 技術細節

音頻處理

純 Python：僅使用 wave、struct、math 和 array 模塊
格式支持：8/16/24/32 位 PCM 的 WAV 文件
重採樣：線性插值至 16kHz
分幀：32ms 幀長，50% 重疊，Hamming 窗

特徵提取

音高（Pitch）：基於自相關的 F0 檢測（50-500 Hz 範圍）
能量（Energy）：逐幀 RMS 能量
過零率（Zero Crossing Rate）：濁音/清音判別
靜音比（Silence Ratio）：停頓模式分析

情感識別

使用變異係數（CV = 標準差/均值）來規避性別偏差，同時保持區分能力：

# Example: Happy emotion rule (using coefficient of variation)
"happy": {
    "conditions": [
        ("pitch_cv", ">", 0.15),       # High pitch variation (lively)
        ("energy_mean", ">", 0.3),      # Moderate-high energy
        ("energy_cv", ">", 0.2),        # Energy fluctuation
    ],
    "weight": 0.8,
}

緊迫性評估

基於 5 個因素：

語速（快/中/慢）
音量（高/中/低）
音高變化（高/中/低）
停頓模式（少/正常/多）
關鍵詞檢測（當提供文本時）

🎚️ 服務層級

Lite 層級（當前）

✅ 基於規則的情感識別
✅ 韻律緊迫性評估
✅ 基於關鍵詞的諷刺檢測
✅ 純 Python（無機器學習依賴）
❌ 無 ASR 功能（需手動提供文本）
❌ 僅支持 WAV 格式

Standard 層級（規劃中）

基於 faster-whisper 的 ASR
更多音頻格式支持（MP3、FLAC 等）
說話人分離（Speaker Diarization）

Pro 層級（規劃中）

Qwen2-Audio 集成
上下文感知的情感分析
更細膩的情感檢測
即時流式處理

🛠️ 開發指南

環境搭建

# Clone repository
git clone https://github.com/sophieMiao/speechpulse.git
cd speechpulse

# Create virtual environment
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# Install in development mode
pip install -e ".[dev]"

運行測試

# Run all tests
python -m pytest tests/

# Run specific test file
python tests/test_all.py

# Run integration tests
python tests/test_integration.py

演示

# Run demo script
python examples/demo.py

⚙️ 配置

環境變量：

變量	默認值	描述
`SPEECHPULSE_TIER`	`lite`	服務層級（lite/standard/pro）
`SPEECHPULSE_SAMPLE_RATE`	`16000`	目標採樣率
`SPEECHPULSE_FRAME_SIZE`	`512`	分析幀大小
`SPEECHPULSE_HOP_SIZE`	`256`	幀移大小