跳过安装。2 分钟内即可运行。
在 cloud.anythingmcp.com 开始免费试用，一键添加 AssemblyAI，然后将你的 AI 客户端（Claude、ChatGPT、Copilot 或 Cursor）指向生成的 MCP 端点。无需 Docker，无需 git clone，无需任何工程经验。
摘要
AssemblyAI 语音转文字：通过公开链接转写音频和视频文件，支持说话人标注、语言检测、个人信息脱敏、摘要、章节、实体和情感分析；以全文、句子、段落或 SRT/VTT 字幕读取转写稿，搜索词语，翻译或为说话人命名，就转写稿向 LLM 提问，并创建流式转写令牌。数据可存放在美国或欧盟；按音频时长计费，新账号有免费额度。
试试这样问
AssemblyAI 的示例提示
点击任意提示即可复制，然后粘贴到 Claude、ChatGPT、Cursor、Gemini、Copilot 或 OpenClaw 中，在该连接器上运行。
Claude 是 AI，可能会出错。请核对回答。
💡 无需安装? 直接使用 cloud.anythingmcp.com。 登录、点击 Connectors → AssemblyAI、粘贴凭证、生成 MCP API key，即可完成。无 Docker、无
git clone、无本地服务器。
AssemblyAI
AssemblyAI 语音转文字：通过公开链接转写音频和视频文件，支持说话人标注、语言检测、个人信息脱敏、摘要、章节、实体和情感分析；以全文、句子、段落或 SRT/VTT 字幕读取转写稿，搜索词语，翻译或为说话人命名，就转写稿向 LLM 提问，并创建流式转写令牌。数据可存放在美国或欧盟；按音频时长计费，新账号有免费额度。
设置
设置大约需要 2 分钟。你需要一个 AssemblyAI 账号；新账号可获得 50 美元免费额度，用于转写和 Speech Understanding。
- 在 https://www.assemblyai.com/dashboard/signup 注册。
- 在控制台打开 API Keys，复制一个密钥并粘贴到
ASSEMBLYAI_API_KEY。它会原样作为Authorization请求头的值发送，所以只粘贴密钥本身，不要加Bearer或引号。 - 把
ASSEMBLYAI_DOMAIN设为assemblyai.com（美国，默认）或eu.assemblyai.com（欧盟数据驻留：音频、转写稿和提示词都在欧盟处理和存储），不要带https://或api.。在一个区域创建的转写稿在另一个区域看不到；欧盟的 LLM Gateway 只提供 Claude 和 Gemini 模型。 - 安装连接器并运行
assemblyai_list_transcripts：它会列出账号的转写稿（新账号还没有），并确认密钥可用。
哪些操作收费：
assemblyai_submit_transcript按音频时长计费，精确到秒：Universal-3.5 Pro 每小时 0.21 美元，Universal-2 每小时 0.15 美元。附加功能：说话人标注每小时 0.02 美元，keyterms 或提示词每小时 0.05 美元（Universal-3.5 Pro），医疗模式每小时 0.15 美元。使用multichannel时每个声道都计费，Speech Understanding 功能另行计费。assemblyai_understand_transcript按任务计费。assemblyai_ask_transcript按输入和输出 token 以模型价格计费，价格可在assemblyai_list_llm_models中查看（每百万 token 的美元价格）。不在免费额度范围内。assemblyai_create_streaming_token免费，但用该令牌打开的流式会话按连接时长计费。
失败的转写不收费。所有读取操作和 assemblyai_list_llm_models 都免费。遇到较长的文件时，AI 会告诉你费用，并在转写前征得你的确认。
转写：assemblyai_submit_transcript 接受 audio_url，即指向音频或视频文件的公开直链（mp3、wav、m4a、mp4、webm 等，最大 2.2 GB、10 小时），例如云存储链接或播客 MP3。YouTube 这类网页链接不可用，也无法通过此连接器上传本地文件。默认使用 Universal-3.5 Pro（18 种语言），其他语言改用 Universal-2（99 种语言）。可选参数包括：speaker_labels 及 speakers_expected、language_code 或 language_detection、用于人名和术语的 keyterms_prompt、描述录音内容的 prompt、redact_pii 及 redact_pii_policies（另加 redact_pii_audio 可生成哔声遮盖的音频副本）、summarization 或 auto_chapters、auto_highlights、entity_detection、sentiment_analysis、iab_categories、content_safety、用于翻译或说话人命名的 speech_understanding、audio_start_from 和 audio_end_at、domain 设为 medical-v1，以及可选的 webhook_url。调用后返回一个状态为 queued 的 ID；AI 每隔几秒查询一次 assemblyai_get_transcript，直到状态变为 completed，或变为 error 并在 error 中给出原因。处理时间通常只是音频时长的一小部分。
可读取的内容：
- 转写稿：全文、按说话人划分的发言、检测到的语言、音频时长、置信度，以及每项所请求功能的结果（摘要、章节、实体、情感、要点、内容安全、翻译）。
- 句子（附说话人）和段落，每条都有开始、结束时间和置信度。
- SRT 或 WebVTT 字幕，可设置
chars_per_caption，可直接保存为.srt或.vtt。 - 词语搜索：每个词或短语的匹配次数及其时间戳。
- 状态变为
redacted_audio_ready后，脱敏音频的下载链接。 - LLM Gateway 的模型（Claude、GPT、Gemini 和开源模型），附上下文长度、价格和可用区域。
分析：assemblyai_ask_transcript 把提示词发给 LLM Gateway 上的模型，LLM Gateway 是已停用的 LeMUR API 的继任者。提示词中在需要插入转写稿的位置写 {{ transcript }}，例如 List the action items with owners in this meeting: {{ transcript }}。答案在 choices[0].message.content 中，并附 token 用量；默认模型是 claude-sonnet-4-6。assemblyai_understand_transcript 可对已完成的转写稿进行翻译、说话人识别（用姓名或角色代替 A、B）、自定义格式化或摘要，无需重新转写。
流式转写：assemblyai_create_streaming_token 返回一个短期有效的令牌，浏览器或设备凭它即可在不使用 API 密钥的情况下打开 Universal-Streaming WebSocket（wss://streaming.assemblyai.com/v3/ws?token=...）。令牌可在 1 到 600 秒内用来建立连接；单次会话最长 10,800 秒。
数据格式：所有时间（start、end、audio_start_from、词级时间戳）都以毫秒为单位，只有 audio_duration 以秒为单位。confidence 取值 0 到 1。同一份转写稿中的说话人标为 A、B、C。created 等日期为 UTC 的 ISO 8601 格式。为了让响应保持精简，转写稿、句子和段落中的词级时间戳会被去掉，超长的转写稿会在约 600 KB 处截断。
翻页：assemblyai_list_transcripts 每页最多返回 200 份转写稿（默认 20 份），从新到旧，可按 status 或 created_on 筛选。要查看更早的转写稿，AI 会把当前页最后一份转写稿的 ID 作为 before_id 传入。
安装时关闭：assemblyai_delete_transcript，它会永久删除转写稿的文本和数据（记录保留并标记为已删除，为其上传的文件也会被删除）。此操作不可撤销，因此由工作区管理员在团队需要时开启。
常见错误：401 "Authentication error, API token missing/invalid" 表示密钥错误，或前面加了 Bearer。400 会在 error 中指出错误的参数，例如某项功能不支持该语言或模型。404 表示转写稿不存在，或是在另一个区域创建的。状态为 error 且提示 "Download error" 的转写稿，说明无法获取 audio_url：链接不是公开的，或指向网页而不是文件。429 表示并发请求过多。对于流式令牌，密钥错误时返回 404 "Invalid API key"。
该连接器不上传本地文件，不使用同步的 Sync 和 Dictation API，不做文字转语音，也不使用 LLM Gateway 上保存的提示词和工具调用。
前提条件: ASSEMBLYAI_API_KEY, ASSEMBLYAI_DOMAIN
本地安装连接器
curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d
打开 http://localhost:3000/connectors/store，选择 AssemblyAI 并填入前提条件中列出的环境变量。
可用工具
| Tool | What it does |
|---|---|
assemblyai_list_transcripts | List the transcripts of the account, newest first, with id, status (queued, processing, completed, error), creation and completion time and… |
assemblyai_get_transcript | Get a transcript by id: status (queued, processing, completed or error with the error text), the full text, utterances by speaker, detected… |
assemblyai_get_sentences | The completed transcript split into sentences, each with text, start and end in milliseconds, confidence and speaker |
assemblyai_get_paragraphs | The completed transcript split into paragraphs, each with text, start and end in milliseconds and confidence |
assemblyai_get_subtitles | Export a completed transcript as subtitles in SRT or WebVTT format (plain text, ready to save as .srt or .vtt) |
assemblyai_search_words | Find where words or phrases are said in a completed transcript: per word, the number of matches and their timestamps in milliseconds |
assemblyai_get_redacted_audio | Get the link to the copy of the audio with personal data beeped out, for a transcript submitted with redact_pii_audio. status is… |
assemblyai_list_llm_models | List the language models of AssemblyAI's LLM Gateway (Claude, GPT, Gemini and open models) with id, context length, price per million input… |
assemblyai_create_streaming_token | Create a temporary token for AssemblyAI real-time streaming transcription (Universal-Streaming WebSocket), to hand to a browser or device… |
assemblyai_submit_transcript | Start transcribing an audio or video file from a public URL with AssemblyAI, optionally with speaker labels, language detection, PII… |
assemblyai_understand_transcript | Run a Speech Understanding task on a completed transcript without transcribing again: translation into other languages, speaker… |
assemblyai_ask_transcript | Ask a language model about a transcript through AssemblyAI's LLM Gateway (the successor of LeMUR): summaries, action items, answers to… |
assemblyai_delete_transcript | Remove a transcript's text and data permanently; the record stays, marked as deleted |
示例提示
- “用说话人标注转写这期播客，但先告诉我要花多少钱：https://example.com/episode-42.mp3”
- “总结昨天会议的转写稿，并列出待办事项及负责人。”
- “把转写稿导出为 SRT 字幕，每行最多 42 个字符。”
- “通话中是什么时候有人提到预算或下个季度的？”
- “转写这段德语采访，隐去姓名和电话号码，并翻译成英语。”
下一步
这份指南对你有帮助吗?