VoiceCard

あなたの声をクローンし、共有可能な波形を収めた ビデオ を生成します。すべて MCP で駆動。GUI 不要。Apple Silicon 専用。

音声クローンは今やっコモディティです。差別化要因は デリバリー です。美しいオーディオ反応型波形を備えた短めの MP4 は、WhatsApp、iMessage、Signal、Slack でインライン再生されます。生のオーディオファイルは、スタールしたり、自動の再生に失失敗したり、iOS/Android を跨げないことがあります。あなたが送るすべてのクリップは、同時にそのツールの広告でもあり。それが全体のアイデアです。

フロントエンドは MCP そのもの です。Claude Cod、Cursor、または MCP を認したエージェントから操作します:

"「~/Desktop/me.mov から私の声をクローンし(トランスクリプトはこちら)、それからマイアミパレットの15秒のクリップで、私の写真を中央に "、happy everything を言うて作ってください。" grand "birthday", 私のフォトを中央に入れて。

仕組み

完全にスタンドアローンです。音声は現地で mlx-audio (ML X 経由の Qwen3-TTS) によっ生成され、波形ビデオは MLX / Pillow でレンダリングされ、ffmpeg でミュックスされます。クラウドなし、Voicebox し、デスクトップアプリもありません。

クローンはゼロショットのインコンテキスト学習です。参照音声 ~12 秒にトリミングして、その読み易する条件にします。トレーニングのステップも、声ごとの個别的なします。

必要要件

• Apple Silicon Mac (arm64)。起動時に検証されます。

• 往時にffmpeg が必要です(brew install ffmpeg)。

• 初回実行時よ Qwen3-TTS のウェイト(約数 GB) を Hugging Face キ・ヤッシュにダウンロードします。

インストール

uv tool install ./voicecard-mcp        # or: uv run voicecard

Claude Code に登録 (stdio):

claude mcp add -s user voicecard -- uv --directory /path/to/voicecard-mcp run voicecard

ツール

パレット:Noir* (白)・70s Gold・Miami・Aurora・Sunset・Mint・Blueprint アスペクト: square(1080^2, 既定)・portrait(9:16) レイアウト: linear(既定 — 丸型写真+コンパクトなグラデーション波形を下部に、Dynamic-Island スタイル) · circle(中央に配置されたオーディオ・リアクティブなスペクトラムのリング) アーク(circle レイアウトのみ): full(既定のミラーリングされたリング) · half(スパイクが上半分に)

定数 (env)

ノート

• 出力はステレオ 、+faststart、H.264 High profile — メッセンジャーでインライン自動再生されるように構成されています。

• 波形は、常に生きているように見えるようデザインされており、診断用スペクトルアナライザーではありません。

• 自己回帰デコーダーの Core ML / ANE オフロードは予定されていません(ダイナミックな形状 + KV キャッシュ + 順次デコードは ANE に適さないため)。将来の Core ML ボコーダーオフロードのみを探求する価値があります。

ライセンス

MIT。あなたが所持しているか、使用の権限を与えられている音声のみをクローンする責任はあなた自身にあります。