Kokoro 文本转语音（TTS）MCP 服务器

Kokoro Text to Speech MCP 服务器用于生成 .mp3 文件，并提供选项上传到 S3。

使用：https://huggingface.co/spaces/hexgrad/Kokoro-TTS

配置

• 克隆到本地仓库。
• 下载 Kokoro Onnx 权重 的 kokoro-v1.0.onnx 和 voices-v1.0.bin，并存储在相同的仓库中。

将以下内容添加到您的 MCP 配置中。使用您自己的值进行更新。

  "kokoro-tts-mcp": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/toyourlocal/kokoro-tts-mcp",
        "run",
        "mcp-tts.py"
      ],
      "env": {
        "TTS_VOICE": "af_heart",
        "TTS_SPEED": "1.0",
        "TTS_LANGUAGE": "en-us",
        "AWS_ACCESS_KEY_ID": "",
        "AWS_SECRET_ACCESS_KEY": "",
        "AWS_REGION": "us-east-1",
        "AWS_S3_FOLDER": "mp3",
        "S3_ENABLED": "true",
        "MP3_FOLDER": "/path/to/mp3"
      } 
    }

安装 ffmmeg

这是将 .wav 转换为 .mp3 文件所需的。

对于 mac：

brew install ffmpeg

要在本地运行，请将这些内容添加到您的 .env 文件中。参见 env.example 并复制到 .env 并根据自己的值进行修改。

支持的环境变量

• AWS_ACCESS_KEY_ID：您的 AWS 访问密钥 ID
• AWS_SECRET_ACCESS_KEY：您的 AWS 秘密访问密钥
• AWS_S3_BUCKET_NAME：S3 存储桶名称
• AWS_S3_REGION：S3 区域（例如，us-east-1）
• AWS_S3_FOLDER：S3 桶中的文件夹路径
• AWS_S3_ENDPOINT_URL：可选的自定义 S3 兼容存储端点 URL
• MCP_HOST：服务器绑定到的主机（默认：0.0.0.0）
• MCP_PORT：侦听的端口（默认：9876）
• MCP_CLIENT_HOST：客户端连接到服务器的主机名（默认：localhost）
• DEBUG：启用调试模式（设为 "true" 或 "1"）
• S3_ENABLED：启用 S3 上传（设为 "true" 或 "1"）
• MP3_FOLDER：存储 MP3 文件的路径（默认是脚本目录中的 'mp3' 文件夹）
• MP3_RETENTION_DAYS：在自动删除之前保留 MP3 文件的天数
• DELETE_LOCAL_AFTER_S3_UPLOAD：成功上传到 S3 后是否删除本地 MP3 文件（设为 "true" 或 "1"）
• TTS_VOICE：TTS 客户端的默认语音（默认：af_heart）
• TTS_SPEED：TTS 客户端的默认速度（默认：1.0）
• TTS_LANGUAGE：TTS 客户端的默认语言（默认：en-us）

在本地运行服务器

推荐方法使用 UV

uv run mcp-tts.py

文本转语音客户端

要使用文本转语音功能，请在终端中运行：

uv run mcp-client.py --tts text-to-speech <your-text>

将 <your-text> 换为实际的文本内容。

示例：配置并运行 MCP 服务器和客户端

1. 启动 MCP 服务器：

uv run mcp-tts.py

2. 在另一个终端窗口中，启动 TTS 客户端：

uv run mcp-client.py --tts text-to-speech "你好，Kokoro！"

这将使用 Kokoro 模型将中文文本转换为语音，并生成一个 .mp3 文件。

定制和扩展

要自定义 MCP 服务器的行为，请编辑 mcp-tts.py 中的配置参数。例如，您可以调整音频输出格式、采样率或位深度。

要添加更多功能或集成其他服务，请扩展 MCP 服务器的代码，添加新的处理程序和服务。

文本转语音示例

import uvicorn
from fastapi import FastAPI
from fastapi.responses import FileResponse
from pydub import AudioSegment
import os

app = FastAPI()

@app.get("/text-to-speech/{text}")
async def text_to_speech(text: str):
    # 这里假设您有生成语音的逻辑，例如使用科大讯飞或阿里云的 API
    # 以下是一个示例，实际实现需要根据具体情况进行调整
    audio = AudioSegment.from_text(text, language="zh-CN")
    file_path = os.path.join("audio_files", f"output_{len(audio)}_bytes.mp3")
    audio.export(file_path, format="mp3")
    return FileResponse(file_path)

if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=8000)

其他资源

• FastAPI 官方文档
• Pydub 文档
• 科大讯飞语音合成 API
• 阿里云语音合成服务