Token导航 LogoToken导航TokenDH.com
Sc MCP Voice Server logo
音视频未说明官方级别未说明来源级核验

Sc MCP Voice Server

MCP Server

MCP语音服务器为AI编程代理提供本地优先的语音接口,支持语音转文字、文字转语音及语音活动检测,可在本地和云服务提供商之间切换。

工具数

5

提示词数

0

GitHub Stars

0

资源数

0
语音识别本地优先Claude语音合成Claude

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

shane9coy

提供方

shane9coy

最后核验

2026/5/17 20:19

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

详细介绍

🎤 MCP语音服务器

AI编码代理的免费本地优先语音。 与Claude Code、KiloCode、Codex或任何兼容MCP的CLI交谈——由您机器上运行的Whisper+Kokoro提供支持。不需要API密钥。没有云。没有成本。

需要云语音吗?只需一个命令即可动态切换提供程序。

# In Claude Code chat:
/voice                                    # speak → auto-transcribe (free, local)
/voice --provider elevenlabs              # switch to ElevenLabs mid-conversation
/voice --provider openai --voice shimmer  # or OpenAI
/voice --provider local                   # back to free

______________________________________________________________________

这是什么

MCP(模型上下文协议)服务器,为任何兼容的AI编码代理提供语音接口。它处理:

  • 语音转文本(STT) --Whisper将您的声音转录为文本
  • 文本转语音(TTS) --Kokoro会把特工的回应告诉你
  • 语音活动检测(VAD) --Silero VAD自动检测您何时停止说话
  • 提供商切换 --运行时本地和云提供商之间的交换

它作为CLI工具自动生成的后台进程运行。你从不手动启动它。

为什么

  • macOS听写已损坏且不可靠
  • 云语音API需要花钱,并将您的音频发送给第三方
  • 现有的语音工具没有与编码代理集成
  • 你应该能够免提与你的AI配对程序员交谈

______________________________________________________________________

提供商

提供商STTTTS成本最适合
本地 (默认)耳语科科罗0美元/月日常使用、隐私、离线
十一实验室Whisper\*ElevenLabs API~1.50美元/月自然语音,远程SSH
开放人工智能OpenAI Whisper APIOpenAI TTS约0.45美元/月最佳STT准确性

*\*ElevenLabs模式仍然使用本地Whisper进行STT以节省资金。*

本地优先策略的年度成本: 0-18美元/年.

______________________________________________________________________

建筑

┌──────────────────────────────────────────────────────────┐
│            MCP Voice Server (auto-spawned)                │
│                                                          │
│  Transport:  stdio (Claude Code)  or  HTTP :9000 (debug) │
│                                                          │
│  ┌────────────┐  ┌────────────┐  ┌────────────┐         │
│  │   LOCAL     │  │ ELEVENLABS │  │   OPENAI   │         │
│  │ Whisper+    │  │ Whisper+   │  │ OpenAI+    │         │
│  │ Kokoro      │  │ 11Labs TTS │  │ OpenAI TTS │         │
│  └────────────┘  └────────────┘  └────────────┘         │
│         ↕ fallback chain: local → elevenlabs → openai    │
│                                                          │
│  Audio Pipeline:                                         │
│  Mic (sox) → VAD (Silero) → STT → Agent → TTS → Speaker │
└──────────────────────────────────────────────────────────┘
        ↑               ↑               ↑
   Claude Code      KiloCode        Codex / Any MCP Client

______________________________________________________________________

快速开始

# 1. Clone the repo
git clone https://github.com/shane9coy/sc-mcp-voice-server.git
cd mcp-voice-server

# 2. Install dependencies
bash install.sh

# 3. Add to your AI coding tool (see INSTALL.md for full details)
#    Add to .claude/settings.json:
#    "voice": { "command": "node", "args": ["/path/to/mcp-voice-server/src/index.js"] }

# 4. Make sure Whisper + Kokoro are running
#    Whisper: http://localhost:2022
#    Kokoro:  http://localhost:8880

# 5. Test it
node src/index.js --http
curl http://localhost:9000/api/health

→ See 安装.md 获取完整的分步指南。

______________________________________________________________________

用法

使用克劳德代码

claude --voice

然后在聊天中:

/voice                          # Listen → transcribe → return text
/voice speak "Hello world"      # Speak text aloud
/voice --provider elevenlabs    # Switch to ElevenLabs
/voice --provider local         # Switch back to free
/voice status                   # Show health of all providers

使用KiloCode/OpenCode

kilocode --voice

相同 /voice 命令工作。

独立(HTTP模式)

# Start the HTTP debug server
node src/index.js --http

# Health check
curl http://localhost:9000/api/health

# Speak
curl -X POST http://localhost:9000/api/speak \
  -H 'Content-Type: application/json' \
  -d '{"text": "Voice server online."}'

# Switch provider
curl -X POST http://localhost:9000/api/switch \
  -H 'Content-Type: application/json' \
  -d '{"provider": "elevenlabs"}'

# Listen (records mic, transcribes, returns text)
curl -X POST http://localhost:9000/api/listen

远程SSH

# Cloud providers auto-detected when SSH'd
ssh user@remote
voice --provider elevenlabs     # works without local services

# Or tunnel local services through SSH
ssh -L 2022:localhost:2022 -L 8880:localhost:8880 user@remote
voice --provider local          # local Whisper/Kokoro via tunnel

______________________________________________________________________

MCP工具

服务器公开了任何MCP客户端都可以调用的5个工具:

工具说明
voice_listen录音麦克风→ VAD自动停止→ STT → 返回成绩单
voice_speak文本→ TTS → 播放音频
voice_switch在运行时更改提供者、型号或语音
voice_status健康检查所有提供者+显示当前配置
voice_detect_intent解析成绩单→ 通往正确代理的路线

语音监听

{
  "max_duration_seconds": 30,
  "language": "en",
  "use_vad": true,
  "model": "base"
}
// Returns: { "transcript": "what you said", "provider": "local", "model": "base" }

语音_峰值

{
  "text": "Hello world",
  "voice": "af_heart",
  "model": "kokoro-v0.19"
}
// Returns: { "success": true, "provider": "local", "voice": "af_heart" }

语音开关

{
  "provider": "elevenlabs",
  "model": "eleven_turbo_v2",
  "voice": "antoni"
}
// Returns: { "success": true, "activeProvider": "elevenlabs", "info": {...} }

______________________________________________________________________

配置

配置文件位置

~/.voice-mcp/config.json --首次运行时自动创建。

超越优先级(最高获胜)

  1. CLI标志: --provider elevenlabs --model eleven_turbo_v2 --voice antoni
  2. 项目配置: .claude/voice-config.json.opencode/voice-config.json
  3. 用户配置: ~/.voice-mcp/config.json
  4. 内置默认值

默认配置

{
  "defaultProvider": "local",
  "vad": {
    "enabled": true,
    "silenceThresholdMs": 800,
    "speechPadMs": 300
  },
  "audio": {
    "sampleRate": 16000,
    "channels": 1,
    "format": "wav",
    "captureDevice": "default",
    "playbackCommand": "auto"
  },
  "providers": {
    "local": {
      "stt": { "url": "http://localhost:2022/v1/audio/transcriptions", "model": "base" },
      "tts": { "url": "http://localhost:8880/v1/audio/speech", "model": "kokoro-v0.19", "voice": "af_heart" },
      "requiresAuth": false
    },
    "elevenlabs": {
      "stt": { "url": "http://localhost:2022/v1/audio/transcriptions", "model": "base" },
      "tts": { "url": "https://api.elevenlabs.io/v1", "model": "eleven_monolingual_v1", "voice": "rachel" },
      "requiresAuth": true,
      "envKey": "ELEVENLABS_API_KEY"
    },
    "openai": {
      "stt": { "url": "https://api.openai.com/v1/audio/transcriptions", "model": "whisper-1" },
      "tts": { "url": "https://api.openai.com/v1/audio/speech", "model": "tts-1", "voice": "nova" },
      "requiresAuth": true,
      "envKey": "OPENAI_API_KEY"
    }
  },
  "fallbackChain": {
    "local": ["local", "elevenlabs", "openai"],
    "elevenlabs": ["elevenlabs", "local", "openai"],
    "openai": ["openai", "elevenlabs", "local"]
  }
}

更改默认值

编辑 ~/.voice-mcp/config.json 要更改默认模式或语音:

# Example: switch default local Whisper model to "medium" for better accuracy
# Edit ~/.voice-mcp/config.json → providers.local.stt.model = "medium"

或者通过创建来覆盖每个项目 .claude/voice-config.json 在您的项目根目录中。

______________________________________________________________________

ElevenLabs的声音

语音ID风格
瑞秋21m00Tcm4TlvDq8ikWAM专业、热情
回家。 AZnzlk1XvdvUBZXUNXHP强壮、精力充沛
贝拉EXAVITQu4vr4xnSDxMaL富有表现力,温暖
安东尼 。 ErXwobaYp3c4kHULIAXi深而温暖
艾莉MF3mGyEYCHzMOFVexZHj年轻、聪明
乔希TxGEqnHWrfWFTfGW9XjX深度、叙事性
山姆yoZ06aMxZJJ28mfd3POQ急躁、充满活力
/voice --provider elevenlabs --voice antoni

______________________________________________________________________

OpenAI语音

可用语音: alloy, echo, fable, onyx, nova, shimmer

可用型号: tts-1 (快速、廉价), tts-1-hd (更高的质量,2倍的成本)

/voice --provider openai --model tts-1-hd --voice shimmer

______________________________________________________________________

项目结构

mcp-voice-server/
├── README.md                          ← you are here
├── INSTALL.md                         ← step-by-step install guide
├── LICENSE
├── package.json
├── install.sh                         ← automated dependency installer
├── vad-record.py                      ← Python VAD helper script
├── src/
│   ├── index.js                       ← entry point (stdio MCP or HTTP)
│   ├── mcp-server.js                  ← MCP tool definitions + handlers
│   ├── http-server.js                 ← Express REST API (standalone/debug)
│   ├── config.js                      ← config loader with merge logic
│   ├── providers/
│   │   ├── base-provider.js           ← abstract interface
│   │   ├── local-provider.js          ← Whisper + Kokoro
│   │   ├── elevenlabs-provider.js     ← ElevenLabs API
│   │   └── openai-provider.js         ← OpenAI API
│   ├── audio/
│   │   ├── capture.js                 ← mic recording via sox
│   │   ├── vad.js                     ← Silero VAD integration
│   │   ├── playback.js               ← cross-platform audio playback
│   │   └── convert.js                 ← ffmpeg format conversion
│   └── utils/
│       ├── health.js                  ← service health checks
│       ├── logger.js                  ← structured logging
│       └── errors.js                  ← custom error types
└── tests/
    └── smoke-test.sh                  ← basic integration tests

______________________________________________________________________

需求

依赖关系版本必需目的
Node.js>=18服务器运行时
Python 3>=3.9VAD脚本
sox任何麦克风捕获
ffmpeg任何音频转换
Whisper服务器任何本地STT(本地主机:2022)
Kokoro服务器任何本地TTS(本地主机:8880)
火炬+silero vad任何语音活动检测
Eleven LABS_API_KEY-电梯标签\_ API_KEY❌ 可选ElevenLabs提供商
OPENAI_API_KEY-❌ 可选OpenAI提供程序

______________________________________________________________________

故障排除

问题修复
Cannot connect to localhost:2022启动Whisper服务器
Cannot connect to localhost:8880启动您的Kokoro服务器
sox not foundbrew install sox (macOS)或 apt install sox (Linux)
ffmpeg not foundbrew install ffmpeg (macOS)或 apt install ffmpeg (Linux)
ELEVENLABS_API_KEY not setexport ELEVENLABS_API_KEY=your-key 在您的shell配置文件中
python3 not foundbrew install python3
No speech detected检查配置中的麦克风权限+输入设备
克劳德代码中未显示语音工具检查 .claude/settings.json 有语音MCP条目
提供程序开关不工作检查是否为云提供程序设置了API密钥

______________________________________________________________________

贡献

PR欢迎。该架构旨在使添加新提供者变得容易——只需扩展即可 BaseProvider 并实施 transcribe(), speak(),以及 healthCheck().

______________________________________________________________________

许可证

麻省理工学院

目录标签

目录标签

语音识别本地优先Claude语音合成本地部署AI编程辅助多提供商支持

支持客户端

Claude

接入字段

传输方式(transport,传输协议)

未说明

鉴权方式(authType,认证方式)

none

工具数量(toolCount,工具数)

5

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

未说明none部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

仍需确认:installCommand

来源信息

继续浏览同类 MCP