Transcrição de Áudio com Whisper Local via OpenVINO
fchgds/audio-transcribe-whisper-local-mcp
Transcrição Whisper local em Intel com aceleração GPU/NPU via OpenVINO
Ver no GitHubServidor MCP que transcreve áudio para texto usando Whisper em hardware Intel (CPU, GPU, NPU) via OpenVINO, 100% local e privado. Integra-se com Claude Desktop e outros clientes MCP, oferecendo detecção de idioma, tradução, timestamps e suporte a múltiplos formatos de áudio.
Instalação
npx convez-ai fchgds/audio-transcribe-whisper-local-mcp1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.
Métricas
Casos de uso
- Transcrever áudio em laptops Intel sem enviar dados para nuvem
- Processar arquivos de áudio em lote com privacidade garantida
- Integrar transcrição em fluxos de automação local com Claude
Veredito

Solução robusta para quem precisa transcrição privada em hardware Intel. Requer conhecimento técnico para exportar modelos e configurar drivers, mas entrega integração MCP profissional com suporte a GPU/NPU via OpenVINO.
README
A tradução para o português deste README ainda está na fila.
audio-transcribe-mcp
Servidor MCP local para transcribir audio a texto con Whisper usando OpenVINO en hardware Intel.
Pensado para una laptop/PC con Intel Core Ultra, por ejemplo Ultra 7 155H, donde puedes probar:
CPUGPUNPUAUTOHETERO:GPU,CPU
Caracteristicas
- 100% local y privado: el audio nunca sale de tu maquina; no hay llamadas a servicios en la nube.
- Aceleracion Intel: ejecuta Whisper en CPU, GPU integrada o NPU via OpenVINO GenAI.
- Cualquier cliente MCP: se integra por
stdiocon Claude Desktop, Claude Code y otros clientes MCP. - Whisper completo: deteccion de idioma, traduccion, timestamps,
initial_promptyhotwords. - Entrada flexible: transcribe archivos locales o audio enviado como base64.
Requisitos
- Windows con Python 3.10 o superior.
- Drivers Intel actualizados para GPU/NPU.
ffmpegen elPATHsi quieres cargar formatos como.mp3,.m4ao.mp4. Para empezar, usa.wav.uvrecomendado, aunque también funciona conpip.
Instalacion
cd C:\dev\mcp\audio-transcribe
python -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install -U pip
pip install -e ".[export]"
Las dependencias siguen las versiones que espera OpenVINO GenAI 2026.2 (su samples/export-requirements.txt). Importante: los modelos exportados con versiones antiguas de optimum-intel/transformers funcionan en CPU/GPU pero fallan en NPU con invalid unordered_map<K, T> key; si te pasa, re-exporta el modelo.
openvino==2026.2openvino-genai==2026.2openvino-tokenizers==2026.2optimum-intel>=2.0.0transformers>=5.0.0torch>=2.12
Exportar Whisper a OpenVINO
export-whisper-openvino
Modelos utiles:
export-whisper-openvino --model openai/whisper-base --output models/whisper-base
export-whisper-openvino --model openai/whisper-tiny --output models/whisper-tiny
export-whisper-openvino --model openai/whisper-small --output models/whisper-small
Por defecto se exporta openai/whisper-large-v3-turbo en models/whisper-large-v3-turbo, que tambien es el modelo que el servidor usa si no pasas model_dir ni defines WHISPER_MODEL_DIR. Para NPU, si necesitas menor latencia o memoria, prueba tiny, base o small. El mismo export sirve para CPU, GPU y NPU.
Probar dispositivos visibles
python -c "import openvino as ov; print(ov.Core().available_devices)"
Deberias ver algo como:
['CPU', 'GPU', 'NPU']
Ejecutar el servidor MCP
audio-transcribe-mcp
El servidor usa transporte stdio, que es lo normal para clientes MCP locales.
Configuracion de cliente MCP
Usa la ruta absoluta a tu Python del venv:
{
"mcpServers": {
"audio-transcribe": {
"command": "C:\\dev\\mcp\\audio-transcribe\\.venv\\Scripts\\python.exe",
"args": ["-m", "audio_transcribe_mcp.server"]
}
}
}
Herramientas MCP
transcribe_audio_file
Transcribe un archivo local.
Parametros principales:
audio_path: ruta local del audio.model_dir: ruta del modelo OpenVINO. Opcional; si se omite usaWHISPER_MODEL_DIRomodels/whisper-large-v3-turbo.device:CPU,GPU,NPU,AUTO, etc.language: por ejemploes,en,fr; si se omite, Whisper detecta.task:transcribeotranslate.return_timestamps: devuelve segmentos con tiempos cuando el modelo lo soporta.initial_prompt: vocabulario o estilo para guiar la transcripcion.hotwords: nombres propios o terminos recurrentes para guiar toda la transcripcion.
Ejemplo de argumentos:
{
"audio_path": "C:\\Users\\<tu-usuario>\\Downloads\\audio.wav",
"device": "GPU",
"language": "es",
"return_timestamps": true,
"hotwords": "OpenVINO, Core Ultra, Bolivia"
}
transcribe_audio_base64
Transcribe audio enviado como base64. Es util para audios pequenos; para archivos grandes usa transcribe_audio_file.
list_openvino_devices
Devuelve los dispositivos visibles por OpenVINO en el entorno Python del MCP.
clear_model_cache
Descarga el cache interno de pipelines. Sirve si cambias modelo o dispositivo y quieres liberar memoria.
Notas de rendimiento
- Whisper trabaja internamente con audio mono a 16 kHz. El servidor lo normaliza con
librosa. - La primera transcripcion tarda mas porque carga y compila el modelo. El servidor pasa
CACHE_DIR(<model_dir>/.ov_cache) al pipeline, asi que los siguientes arranques del proceso cargan el modelo compilado desde disco. AUTOdeja que OpenVINO elija dispositivo.- En este equipo (Core Ultra 7 155H) se verifico
CPU,GPU,AUTOyNPUcorrectamente. - NPU requiere un driver actualizado (verificado con
32.0.100.4778). Con el driver de fabrica de 2023 (31.0.100.1688) la compilacion falla conCannot create ScaledDotProductAttention ... unsupported opset: opset13. Descarga: https://www.intel.com/content/www/us/en/download/794734/intel-npu-driver-windows.html - Si NPU falla con
invalid unordered_map<K, T> keypero CPU funciona, el modelo fue exportado conoptimum-intel/transformersantiguos: re-exporta con las versiones actuales del extraexport. - Para archivos largos, Whisper usa ventanas de aproximadamente 30 segundos dentro del pipeline de OpenVINO GenAI.
Benchmark GPU vs NPU
benchmark.py mide el tiempo medio de transcripcion en GPU y NPU para un mismo audio:
python benchmark.py "C:\ruta\a\tu\audio.wav"
Tambien puedes pasar la ruta con la variable de entorno BENCHMARK_AUDIO y, opcionalmente, un model_dir como segundo argumento.
Privacidad
Todo el procesamiento ocurre en local. El audio, los modelos y las transcripciones nunca salen de tu equipo. El servidor solo descarga modelos desde Hugging Face cuando ejecutas el paso de exportacion (export-whisper-openvino); la transcripcion en si no requiere conexion a internet.
Licencia
MIT. Ver el archivo LICENSE.