跳到主要内容

GitMCP 扩展

🎥Plug & Play
Watch the demo

本教程介绍如何将 Git MCP 服务器 添加为 goose 扩展，让 LLM 实时访问 GitHub 仓库，从而实现智能文档搜索、代码探索和准确的项目洞察。

快速安装

启动安装程序

配置​

  1. Launch the installer
  2. Click Yes to confirm the installation
  3. Click the button in the top-left to open the sidebar
  4. Navigate to the chat

使用示例​

在这个示例中，goose 使用 GitMCP 从 openai/whisper GitHub 仓库拉取实时文档，探索语音转文字模型的工作方式，并呈现准确的安装说明和命令行用法，全部直接来自源头。

  1. 在 goose Desktop 中打开一个新会话

goose 提示词​

  你能帮我理解 OpenAI Whisper 语音转文字模型是如何工作的吗？

  请使用 GitHub 仓库 `openai/whisper` 查找准确信息。

  请：
  - 总结模型的作用及其主要功能
  - 展示一个从命令行运行它的示例
  - 解释开始使用需要哪些文件或模型
  - 包含你在仓库中找到的有用代码片段或安装说明

  请用 Markdown 指南格式回复。

goose 输出​

桌面版

我来通过探索他们的 GitHub 仓库，帮你理解 OpenAI Whisper。我先获取文档和相关信息。

─── owner | repo ──────────────────────────

现在让我搜索一些具体的安装和使用信息：

─── owner | query ──────── repo ────────────

让我搜索更多技术细节和示例：

─── owner | query ──────── repo ────────────

很好！我已经从 OpenAI Whisper 仓库获得了所需的全部信息。我来为你创建一份全面的 Markdown 指南。

OpenAI Whisper 语音转文字模型指南

概述 Whisper 是 OpenAI 开发的通用语音识别模型。它是一个强大的多任务神经网络，可以执行：

  • 多语言语音识别（99 种以上语言）
  • 语音翻译（把外语语音转换成英文文本）
  • 语言识别（检测正在说的语言）
  • 语音活动检测（识别何时有语音）

主要功能：

  • ✅ 稳健表现：在 68 万小时多样、多语言的音频数据上训练
  • ✅ 零样本迁移：无需微调即可用于多种语言
  • ✅ 多种模型大小：从 tiny（3900 万参数）到 large（15.5 亿参数）
  • ✅ 易于使用：简单的命令行界面和 Python API
  • ✅ 开源：MIT 许可，模型权重可自由获取

架构 Whisper 使用 Transformer 序列到序列模型，以 30 秒为块处理音频。它把音频转换为 log-Mel 频谱图，并用特殊 token 指定任务（转写、翻译、语言识别等）。

命令行用法 基本转写

入门检查清单​

  1. ✅ 安装 Python 3.8-3.11
  2. ✅ 为你的操作系统安装 FFmpeg
  3. ✅ 安装 Whisper：pip install -U openai-whisper
  4. ✅ 测试安装：whisper --help
  5. ✅ 尝试基本转写：whisper your_audio_file.mp3

首次运行​

首次运行时，Whisper 会自动下载模型权重：

  • tiny：约 39 MB
  • base：约 142 MB
  • small：约 461 MB
  • medium：约 1.42 GB
  • large：约 2.87 GB
  • turbo：约 1.5 GB

模型会缓存在本地，因此后续运行会快得多。

提示与最佳实践​

🎯 模型选择​

  • 仅英语：使用 .en 模型（base.en、small.en 等）
  • 快速转写：使用 tiny 或 base 模型
  • 高准确度：使用 medium 或 large 模型
  • 翻译任务：使用 medium 或 large（不要用 turbo）

🎵 音频质量​

  • 干净、清晰的音频效果更好
  • Whisper 支持多种音频格式（MP3、WAV、FLAC、M4A 等）
  • 背景噪音可能影响准确度

🌍 语言支持​

  • 支持 99 种以上语言
  • 某些语言的表现优于其他语言
  • 查看仓库中的语言表现细分

💾 资源管理​

  • 更大的模型需要更多 VRAM/RAM
  • 选择模型时考虑硬件限制
  • 实时应用使用较小的模型

Whisper 以 MIT 许可证发布，个人和商业项目都可以免费使用。