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

できること

このサーバーのやさしい解説はまだ書いていません。以下はレジストリから読み取った事実です。

• 接続方法: クラウドで動く
• トランスポート: Streamable HTTP
• カテゴリ: デザイン・画像・音声

インストール

使っているAIアプリを選んで、設定をコピーしてください。

必要なもの

• クラウドで動くインストール不要。インターネット経由でつながります

どのアプリを使っていますか？

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

選んだアプリは、この端末のCookieに保存されます。アカウントは不要です。

この設定は、作者のレジストリ登録情報から作成しています。READMEと違う場合は、READMEに従ってください。

できること

ツールの名前と説明は、サーバーが2026年11月6日に返したそのままの内容です。書いたのは作者で、私たちではありません。プレーンテキストとして表示しています。

• 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

基本チェックi

誰でも見られる情報をチェックしており、コードは読んでいません。当てはまらない項目は数に入れていません。 · 2026年11月6日にチェック

• ! 注意

  作者とリポジトリが一致

  レジストリにソースのリポジトリが載っていないため、公開者（tanod.dev）とコードを照合できません

• … 未チェック

  今もメンテナンスされている

  このリポジトリはまだGitHubから読み取っていません

• … 未チェック

  ライセンスがある

  このリポジトリはまだGitHubから読み取っていません

• ✓ 合格

  エンドポイントが応答する

  683ミリ秒で応答（HTTP 200）

• – 対象外

  OAuthでサインイン

  サインイン不要

• ✓ 合格

  ツールの説明に隠れた指示がない

  19件のツールの説明を読み、AIへの隠れた指示は見つかりませんでした

デザイン・画像・音声のほかのサーバーとの比較i

• このカテゴリのほかの2182件のうち0%よりスターが多い
• このカテゴリのほかの2182件のうち90%より最近レジストリに公開
• 基本チェックの結果が、このカテゴリのほかの2182件のうち43%と同じかそれ以上

レジストリでこのカテゴリにある有効なすべてのサーバーと比較しています。スターは、公開者がリポジトリの所有者である場合だけ数えます。

代わりの候補

同じカテゴリで、ほかの作者が作ったサーバー。スターの多い順。

カードの見方：★ GitHubスターi3つの柱：レビュー · チェック · 利用状況i更新＝最新バージョンをレジストリに公開した日i

作者のREADME

リポジトリにREADMEが見つかりません