星战科技xingzhan.cloud
返回市场
MCP语音合成服务器

MCP语音合成服务器

作者：blacktop33 星标更新：2025-11-18
安装使用来源：spider==github.com

项目介绍

<p align="center"> <a href="https://github.com/blacktop/mcp-tts"><img alt="mcp-tts Logo" src="https://raw.githubusercontent.com/blacktop/mcp-tts/main/docs/logo.webp" height="200" /></a> <h1 align="center">mcp-tts</h1> <h4><p align="center">用于TTS（文本转语音）的MCP服务器</p></h4> <p align="center"> <a href="https://github.com/blacktop/mcp-tts/actions" alt="Actions"> <img src="https://github.com/blacktop/mcp-tts/actions/workflows/go.yml/badge.svg" /></a> <a href="https://github.com/blacktop/mcp-tts/releases/latest" alt="Downloads"> <img src="https://img.shields.io/github/downloads/blacktop/mcp-tts/total.svg" /></a> <a href="https://github.com/blacktop/mcp-tts/releases" alt="GitHub Release"> <img src="https://img.shields.io/github/release/blacktop/mcp-tts.svg" /></a> <a href="http://doge.mit-license.org" alt="LICENSE"> <img src="https://img.shields.io/:license-mit-blue.svg" /></a> </p> <br>

什么？🤔

为Claude Desktop和Cursor IDE等添加了文本转语音功能。

它注册了四个TTS工具：

  • say_tts
  • elevenlabs_tts
  • google_tts
  • openai_tts

say_tts

使用macOS内置的say命令，以系统内置的声音朗读文本。

elevenlabs_tts

使用ElevenLabs的文本转语音API，以高级AI声音朗读文本。

google_tts

使用Google的Gemini TTS模型，以30种高质量声音朗读文本。可用的声音包括：

  • Zephyr（明亮），Puck（积极），Charon（信息性）
  • Kore（坚定），Fenrir（兴奋），Leda（年轻）
  • Orus（坚定），Aoede（轻快），Callirhoe（随和）
  • Autonoe（明亮），Enceladus（柔和），Iapetus（清晰）
  • 还有18种具有不同特征的声音

openai_tts

使用OpenAI的文本转语音API，以10种自然声音朗读文本：

  • alloy（温暖，对话式，现代）
  • ash（自信，果断，略带质感）
  • ballad（温柔，旋律，略带抒情）
  • coral（愉快，清新，积极）
  • echo（中立，平静，平衡）
  • fable（讲故事般，富有表现力）
  • nova（清晰，精确，略带正式）
  • onyx（深沉，权威，共鸣）
  • sage（安抚，同情，安慰）
  • shimmer（明亮，活泼，有趣）
  • verse（多才多艺，富有表现力）

支持三种质量模型：

  • gpt-4o-mini-tts - 默认，优化质量和速度
  • tts-1 - 标准质量，生成速度快
  • tts-1-hd - 高清音频，优质

附加功能：

  • 速度控制从0.25x到4.0x（默认：1.0x）
  • 自定义语音指令（例如，“用愉快和积极的语气说话”）通过参数或OPENAI_TTS_INSTRUCTIONS环境变量

配置

顺序与并发TTS

默认情况下，TTS服务器强制执行顺序语音操作——一次只能播放一个TTS请求。这可以防止多个代理同时说话，导致难以理解的嘈杂声。后续请求将在队列中等待，直到当前语音完成。

多重实例保护：互斥锁在单个MCP服务器进程内以及多个Claude Desktop实例之间都有效。当运行多个Claude Desktop终端时，它们会通过系统范围内的文件锁进行协调，以防止重叠的语音。

允许并发TTS操作（多个语音同时播放）：

环境变量：

export MCP_TTS_ALLOW_CONCURRENT=true

命令行标志：

mcp-tts --sequential-tts=false

注意：并发TTS可能导致难以理解的重叠音频。仅在明确需要多个TTS操作同时运行时使用此选项。

抑制“正在朗读：”输出

默认情况下，TTS工具在语音完成后返回类似“正在朗读：[文本]”的消息。这可能干扰LLM响应。要抑制此输出：

环境变量：

export MCP_TTS_SUPPRESS_SPEAKING_OUTPUT=true

命令行标志：

mcp-tts --suppress-speaking-output

启用后，工具返回“语音完成”而不是回显所读文本。

开始使用

安装

go install github.com/blacktop/mcp-tts@latest

❱ mcp-tts --help

TTS（文本转语音）MCP服务器。

通过MCP协议提供多种文本转语音服务：

• say_tts - 使用macOS内置的'say'命令（仅限macOS）
• elevenlabs_tts - 使用ElevenLabs API进行高质量语音合成
• google_tts - 使用Google的Gemini TTS模型进行自然语音
• openai_tts - 使用OpenAI的TTS API，具有多种声音选项

每个工具支持不同的声音、速率和配置选项。
需要适当的API密钥以使用基于云的服务。

设计用于与MCP（模型上下文协议）一起使用。

用法：
  mcp-tts [flags]

标志：
  -h, --help                       mcp-tts的帮助信息
      --sequential-tts             强制顺序TTS（防止并发语音）（默认值：true）
      --suppress-speaking-output   抑制“正在朗读：”文本输出
  -v, --verbose                    启用详细的调试日志记录

设置Claude Desktop配置

{
  "mcpServers": {
    "say": {
      "command": "mcp-tts",
      "env": {
        "ELEVENLABS_API_KEY": "********",
        "ELEVENLABS_VOICE_ID": "1SM7GgM6IMuvQlz2BwM3",
        "GOOGLE_AI_API_KEY": "********",
        "OPENAI_API_KEY": "********",
        "OPENAI_TTS_INSTRUCTIONS": "Speak in a cheerful and positive tone",
        "MCP_TTS_SUPPRESS_SPEAKING_OUTPUT": "true",
        "MCP_TTS_ALLOW_CONCURRENT": "false"
      }
    }
  }
}

环境变量

  • ELEVENLABS_API_KEY：您的ElevenLabs API密钥（对于elevenlabs_tts是必需的）
  • ELEVENLABS_VOICE_ID：ElevenLabs声音ID（可选，默认为内置声音）
  • GOOGLE_AI_API_KEY 或 GEMINI_API_KEY：您的Google AI API密钥（对于google_tts是必需的）
  • OPENAI_API_KEY：您的OpenAI API密钥（对于openai_tts是必需的）
  • OPENAI_TTS_INSTRUCTIONS：自定义OpenAI TTS语音指令（可选，例如，“用愉快和积极的语气说话”）
  • MCP_TTS_SUPPRESS_SPEAKING_OUTPUT：设置为“true”以抑制“正在朗读：”输出（可选）
  • MCP_TTS_ALLOW_CONCURRENT：设置为“true”以允许并发TTS操作（可选，默认为顺序）

测试

测试macOS TTS

❱ cat test/say.json | go run main.go --verbose

2025/03/23 22:41:49 INFO Starting MCP server name="Say TTS Service" version=1.0.0
2025/03/23 22:41:49 DEBU Say tool called request="{Request:{Method:tools/call Params:{Meta:<nil>}} Params:{Name:say_tts Arguments:map[text:Hello, world!] Meta:<nil>}}"
2025/03/23 22:41:49 DEBU Executing say command args="[--rate 200 Hello, world!]"
2025/03/23 22:41:49 INFO Speaking text text="Hello, world!"

{"jsonrpc":"2.0","id":3,"result":{"content":[{"type":"text","text":"正在朗读：Hello, world!"}]}}

测试Google TTS

❱ cat test/google_tts.json | go run main.go --verbose

2025/05/23 18:26:45 INFO Starting MCP server name="Say TTS Service" version=""
2025/05/23 18:26:45 DEBU Google TTS tool called request="{...}"
2025/05/23 18:26:45 DEBU Generating TTS audio model=gemini-2.5-flash-preview-tts voice=Kore text="Hello! This is a test of Google's TTS API. How does it sound?"
2025/05/23 18:26:49 INFO Playing TTS audio via beep speaker bytes=181006
2025/05/23 18:26:53 INFO Speaking via Google TTS text="Hello! This is a test of Google's TTS API. How does it sound?" voice=Kore

{"jsonrpc":"2.0","id":4,"result":{"content":[{"type":"text","text":"正在朗读：Hello! This is a test of Google's TTS API. How does it sound? (通过Google TTS，使用声音Kore)"}]}}

测试OpenAI TTS

❱ cat test/openai_tts.json | go run main.go --verbose

2025/05/23 19:15:32 INFO Starting MCP server name="Say TTS Service" version=""
2025/05/23 19:15:32 DEBU OpenAI TTS tool called request="{...}"
2025/05/23 19:15:32 DEBU Generating OpenAI TTS audio model=tts-1 voice=nova speed=1.2 text="Hello! This is a test of OpenAI's text-to-speech API. I'm using the nova voice at 1.2x speed."
2025/05/23 19:15:34 DEBU Decoding MP3 stream from OpenAI
2025/05/23 19:15:34 DEBU Initializing speaker for OpenAI TTS sampleRate=22050
2025/05/23 19:15:36 INFO Speaking text via OpenAI TTS text="Hello! This is a test of OpenAI's text-to-speech API. I'm using the nova voice at 1.2x speed." voice=nova model=tts-1 speed=1.2

{"jsonrpc":"2.0","id":5,"result":{"content":[{"type":"text","text":"正在朗读：Hello! This is a test of OpenAI's text-to-speech API. I'm using the nova voice at 1.2x speed. (通过OpenAI TTS，使用声音nova)"}]}}

测试互斥行为，使用多个TTS请求

# 顺序模式（默认） - 语音依次播放
cat test/sequential.json | go run main.go --verbose

# 并发模式 - 允许重叠语音
cat test/sequential.json | go run main.go --verbose --sequential-tts=false

许可证

MIT 版权所有 (c) 2025 blacktop