Embeddings, Rerank & Speech-to-Text (Tanod)

Qué puedes hacer con él

Todavía no escribimos un resumen sencillo para este. Abajo están los datos que leímos del registro.

• Conexión: Se ejecuta en la nube
• Transporte: Streamable HTTP
• Categoría: Diseño, imágenes y audio

Instalación

Elige la app de IA que usas y copia la configuración.

Necesitas

• Se ejecuta en la nubeNo hay nada que instalar; se conecta por internet

¿Qué app usas?

https://tanod.dev/mcp/ml

claude mcp add --transport http ml https://tanod.dev/mcp/ml

{
  "mcpServers": {
    "ml": {
      "url": "https://tanod.dev/mcp/ml"
    }
  }
}

{
  "servers": {
    "ml": {
      "type": "http",
      "url": "https://tanod.dev/mcp/ml"
    }
  }
}

https://tanod.dev/mcp/ml

Tu elección se guarda en una cookie en este dispositivo; no necesitas cuenta.

Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.

Qué puede hacer

Nombres y descripciones de las herramientas tal como los informó el servidor el 6 nov 2026. Los escribió el creador, no nosotros; los mostramos como texto sin formato.

• embed_texts

  mlpeek: Create text embeddings. For images too use embed_multimodal; for pair scores use text_similarity. Returns 384-dimension embeddings of 1-64 texts with bge-small-en-v1.5 (English) or multilingual-e5-small (about 100 languages), normalised by default; `input_type` applies th

• embed_multimodal

  mlpeek: Create multimodal embeddings: images and text in one vector space. For text only use embed_texts. Returns 768-dim vectors of texts and images (URL or base64) in ONE space (EmbeddingGemma 2), comparable by dot product; `dimensions` 512/256/128, `input_type` text prefix, `i

• rerank_documents

  mlpeek: Rerank up to 100 documents against a query. For pair scores use text_similarity. Returns 1-100 documents scored against a query by the ms-marco-MiniLM-L6-v2 cross-encoder (Apache-2.0) and sorted best first: index, rank, score (sigmoid of the logit, a relevance in 0-1) and

• text_similarity

  mlpeek: Score the semantic similarity of one or up to 50 text pairs. To rank documents against a query use rerank_documents. Returns the cosine similarity of the embeddings of each text pair (bge-small-en or multilingual-e5-small): one pair as `a` + `b` (also a top-level `similar

• extract_entities

  mlpeek: Extract named entities: people, organisations, places, dates, money, ... For fields of your own schema use extract_json_with_schema. Returns named entities in English text with spaCy en_core_web_sm 3.8.0 (MIT): text, label (the 18 OntoNotes types: PERSON, ORG, GPE, LOC, D

• classify_zero_shot

  mlpeek: Classify a text into 1-10 of your labels. For named entities use extract_entities. Returns scores of 1-10 caller-supplied labels for an English text with the nli-deberta-v3-xsmall NLI cross-encoder (Apache-2.0): single-label scores sum to 1 (softmax over the labels), `mul

• text_sentiment

  utilpeek: Analyze the sentiment of an English text. For your own labels use classify_zero_shot; for counts use text_stats. Returns VADER sentiment of an English text: compound (-1 to 1), positive / neutral / negative shares and a label (positive at 0.05 or more, negative at -0.05

• text_keywords

  utilpeek: Extract the keywords and keyphrases of a text. For raw frequencies use text_frequency; for names and places use extract_entities. Returns the top keyphrases of a text by RAKE (phrases between stop words and punctuation, scored by word degree / frequency), with score and

• text_summarize

  utilpeek: Summarize a text by picking its key sentences. For paper abstracts use paper_digest; for counts use text_stats. Returns an extractive summary: the most central `sentences` (or `ratio` of them) by LexRank, picked verbatim and kept in their original order, with per-senten

• detect_language

  utilpeek: Detect the language of a text. To translate use translate_text. Returns the most likely language (ISO 639-1 and 639-3 code, name, confidence) and 3 alternatives, from an offline ensemble of lingua (Apache-2.0) and langid.py (BSD-2-Clause) over 75 languages; `reliable` i

• denoise_audio

  mlpeek: Reduce background noise in speech audio. Returns mono 12 kHz WAV/MP3/Ogg speech audio with steady noise reduced by FFmpeg afftdn (no model weights), duration and filter. Public URL or base64, up to 25 MB and 10 minutes; base64 or output=url. Not voice isolation; music and

• transcribe_audio

  mlpeek: Speech to text and subtitles: transcribe audio to text, timed segments, SRT and WebVTT. For a podcast episode use transcribe_podcast_episode; to translate use translate_speech. Returns the transcript of audio of up to 10 min and 25 MB; `translate_to_english` gives English

• transcribe_podcast_episode

  mlpeek: Transcribe a podcast episode from its RSS feed: a window of up to 10 minutes as text, timed segments, SRT. For your own audio use transcribe_audio. Returns a transcript window (up to 10 min from start_s) of a podcast episode picked from its RSS feed. Input: `feed_url`, op

• translate_text

  mlpeek: Translate text between English and 14 languages. For a PDF use translate_document; for audio use translate_speech; to only name the language use detect_language. Returns the text translated between English and es, fr, de, pt, it, nl, ru, zh, ja, ko, ar, hi, id or tl (othe

• check_text_for_prompt_injection

  mlpeek: Check text for prompt injection before an agent acts on it. For hidden Unicode use text_unicode_inspect. Returns a `verdict`, a `score` (0-1; `injection` at 0.9 and above) and `chunks`, the flagged sentences with score and offsets. A small open classifier (DeBERTa-v3), au

• extract_json_with_schema

  mlpeek: Extract JSON from text that always matches your JSON Schema. For fixed entity types use extract_entities. Returns `data`, JSON extracted from the `text` that always parses and validates against your `json_schema` (decoded under a grammar built from it), plus `model`, `usa

• text_to_speech

  mlpeek: Speak text aloud in 41 voices: English, Spanish, French, Hindi, Italian, Portuguese. For audio to text use transcribe_audio. Returns the text spoken as audio. Offline neural TTS (Kokoro-82M); the audio is a synthetic voice. At most 2,000 characters; 41 voices in 6 languag

• translate_speech

  mlpeek: Translate speech: audio to English or 14 languages, optionally spoken. For a transcript in the spoken language use transcribe_audio. Returns speech translation of an audio file of up to 2 minutes: the language is detected and the speech returned as text in `target` (en, e

• translate_document

  pdfpeek: Translate a PDF document, digital or scanned, to English or 14 languages as Markdown. For plain text use translate_text. Returns each page's text (text layer or OCR) translated offline into `target` (default en) as Markdown with a ` ` marker per page, source language and

Revisiones básicasi

Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 6 nov 2026

• ! Precaución

  El creador coincide con el repo

  El registro no indica ningún repo de código fuente, así que no podemos relacionar a quien lo publicó (tanod.dev) con el código

• … Aún sin revisar

  Sigue en mantenimiento

  Todavía no hemos leído este repo en GitHub

• … Aún sin revisar

  Tiene licencia

  Todavía no hemos leído este repo en GitHub

• ✓ Superada

  El endpoint responde

  Respondió en 683 ms (HTTP 200)

• – No aplica

  Inicio de sesión con OAuth

  No hace falta iniciar sesión

• ✓ Superada

  Sin instrucciones ocultas en las descripciones de herramientas

  Leímos 19 descripciones de herramientas y no encontramos instrucciones ocultas para la IA

Comparado con otros en Diseño, imágenes y audioi

• Más estrellas que el 0% de los otros 2169 servidores de esta categoría
• Publicado en el registro más recientemente que el 91% de los otros 2169 servidores de esta categoría
• Revisiones básicas iguales o mejores que el 43% de los otros 2169 servidores de esta categoría

Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.

Alternativas

Servidores de la misma categoría hechos por otros creadores, ordenados por estrellas.

Cómo leer una tarjeta:★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi

README del creador

No se encontró un README en el repo