Skip to main content
Glama

VoiceCard

**당신의 목소리를 복제하고, MCP로 구동되는 공유 가능한 웨이브폼 비디오로 만드세요. GUI 없음. Apple Silicon 전용.**

음성 복제는 이제 상용화되었습니다. 차별화 포인트는 전달입니다: 아름다운 오디오 반응형 웨이브폼이 포함된 짧은 MP4는 WhatsApp, iMessage, Signal, Slack에서 인라인으로 재생되지만, 원본 오디오 파일은 멈추거나, 자동 재생에 실패하거나, iOS/Android 간에 전달되지 않습니다. 보내는 모든 클립은 도구에 대한 광고이기도 합니다. 이것이 전체 아이디어입니다.

프론트엔드 는 MCP입니다. Claude Code, Cursor 또는 MCP를 지원하는 모든 에이전트에서 대화합니다:

"~/Desktop/me.mov에서 내 목소리를 복제해 줘(여기 대본이 있어), 그런 다음 마이애미 팔레트로 15초짜리 생일 축하 클립을 만들어 줘, 내 사진을 중앙에 넣어서."

작동 방식

완전히 독립적입니다. 음성은 mlx-audio(MLX를 통한 Qwen3-TTS)로 로컬에서 생성되고, 웨이브폼 비디오는 MLX / Pillow로 렌더링되며, ffmpeg로 먹싱됩니다. 클라우드 없음, Voicebox 없음, 데스크톱 앱 없음.

복제는 제로샷 인컨텍스트 러닝입니다: 참조를 ~12초로 트리밍하고 이를 조건으로 사용합니다. 훈련 단계나 음성별 별도 모델은 없습니다.

Related MCP server: Rheo MCP Server

요구 사항

  • Apple Silicon Mac(arm64). 시작 시 강제 적용.

  • 직접 설치할 다른 것은 없습니다. ffmpeg는 번들로 제공됩니다(imageio-ffmpeg를 통한 정적 바이너리); PATH에 시스템 ffmpeg가 있으면 자동으로 사용됩니다.

첫 실행이 느립니다

설치 자체는 빠르지만 AI 모델을 다운로드하지 않습니다. 첫 번째 clone_voice / make_clip에서 VoiceCard는 공유 Hugging Face 캐시(~/.cache/huggingface/hub/)로 지연 풀링합니다:

  • Qwen3-TTS 가중치(~수 GB) — 음성 합성.

  • Whisper (large-v3-turbo, ~1.5 GB) — 참조 자동 전사 및 캡션 타이밍에 사용.

둘 다 캐시되므로 한 번만 발생합니다. 첫 호출에 몇 분, 대역폭, ~수 GB의 디스크를 예산에 넣으세요.

Hugging Face 계정이나 토큰은 필요 없습니다 — 두 모델 모두 공개이며 익명으로 다운로드됩니다. Hugging Face는 다운로드 호스트로만 사용됩니다. 익명 다운로드는 속도 제한이 있지만, 첫 다운로드가 느리거나 제한되면 무료 토큰을 설정하여 더 빠르고 높은 속도로 다운로드할 수 있습니다(완전히 선택 사항):

export HF_TOKEN=hf_xxx      # optional — only speeds up / de-throttles the first download

설치

uv 필요(brew install uv, 또는 해당 페이지의 원라인 설치 프로그램). 다른 것은 없습니다 — ffmpeg는 번들, 모델은 자체 다운로드.

GitHub에서 바로 원라인:

uv tool install git+https://github.com/JasonMakes801/voicecard-mcp

그런 다음 Claude Code에 등록하세요(voicecard 명령이 이제 PATH에 있습니다):

claude mcp add -s user voicecard -- voicecard

끝입니다. 에이전트에게 clone_voice 및 make_clip을 요청하세요.

git clone https://github.com/JasonMakes801/voicecard-mcp
cd voicecard-mcp
uv tool install .                      # or: uv run voicecard

# register the in-place checkout
claude mcp add -s user voicecard -- uv --directory "$PWD" run voicecard

도구

도구

기능

list_voices()

저장된 음성을 나열하며, 각각 ref_text, ref_audio 및 동반 avatar(또는 null)와 함께 표시합니다.

palettes()

사용 가능한 팔레트(이름 + 색상)를 나열하고 시각적 견본 시트를 렌더링합니다({palettes, swatch} 반환); 사용자가 시각적으로 선택할 수 있도록 견본을 표시합니다.

clone_voice(name, source, transcript?, photo?)

오디오 또는 비디오 파일에서 복제합니다. 참조를 ~12초로 트리밍하고 프로필을 저장합니다. transcript는 선택 사항 — 생략하면 VoiceCard가 참조를 자동 전사합니다(Whisper). photo는 선택적 동반 아바타로, 음성 + 얼굴이 함께 이동하도록 프로필에 복사됩니다.

speak(text, voice)

복제된 음성으로 음성을 생성하고 wav 경로를 반환합니다.

make_clip(text, voice, palette?, photo?, label?, aspect?, layout?, arc?, captions?)

음성을 생성하고 공유 가능한 웨이브폼 mp4를 렌더링합니다. 캡션(전달 시간에 맞춰 팝업되는 버블)은 기본적으로 켜져 있습니다; 아바타는 음성의 저장된 photo로 대체됩니다. mp4 경로를 반환합니다.

팔레트: Noir(기본), 70s Gold, Miami, Aurora, Sunset, Mint, Blueprint 비율: square(1080², 기본), portrait(9:16) 레이아웃: linear(기본 — 원형 사진 + 아래에 컴팩트한 그라데이션 웨이브폼, Dynamic-Island 스타일) · circle(중앙에 오디오 반응형 스펙트럼 링) 아크(원형 레이아웃 전용): full(기본, 미러링 링) · top(상단 절반에 스파이크)

구성(env)

변수

기본값

VOICECARD_OUT

~/VoiceCard (프로필 + 렌더링된 클립)

VOICECARD_MODEL

mlx-community/Qwen3-TTS-12Hz-1.7B-Base-bf16

VOICECARD_WHISPER

mlx-community/whisper-large-v3-turbo

VOICECARD_FFMPEG

ffmpeg 바이너리 재정의(없으면 시스템 PATH, 없으면 번들)

VOICECARD_URL

각 클립에 인쇄되는 QR 대상

VOICECARD_TAGLINE

각 클립에 인쇄되는 태그라인

테스트

uv pip install -e ".[test]"

pytest tests/test_fast.py tests/test_mcp.py -q      # fast: no model, no network (~1s)
VOICECARD_RUN_MODEL_TESTS=1 pytest tests/test_integration.py -q   # real Qwen+Whisper (downloads GBs)
bash scripts/virgin_install_test.sh                 # fresh-venv install + smoke, from scratch
  • 빠른 (test_fast.py, test_mcp.py): 팔레트 무결성, 캡션 정렬(입력 단어, STT 타이밍), 인수 검증, MCP 프로토콜 표면.

  • 통합 (test_integration.py, 게이트): clone → speak → make_clip 엔드 투 엔드, mp4에 오디오+비디오 및 0이 아닌 지속 시간이 있는지 확인.

  • 처녀 설치 (scripts/virgin_install_test.sh): 임시 venv에 설치하고 가져오기, 번들 ffmpeg 대체(brew 없음), 콘솔 스크립트, 설치된 패키지에 대한 무모델 스위트를 확인.

참고 사항

  • 출력은 스테레오, +faststart, H.264 High 프로필 — 메신저에서 인라인 자동 재생에 맞게 조정됨.

  • 웨이브폼은 진단용 스펙트럼 분석기가 아니라 항상 살아있는 것처럼 보이도록 스타일화됨.

  • 자동 회귀 디코더의 Core ML / ANE 오프로드는 계획되지 않음(동적 형태 + KV 캐시 + 순차 디코딩은 ANE에 적합하지 않음). 향후 Core ML 보코더 오프로드만 탐구할 가치가 있음.

로드맵

  • Whisper 없이 캡션(Qwen의 자체 정렬 수확). Qwen3-TTS는 12Hz로 실행되며 교차 주의(단조 텍스트 토큰 → 오디오 프레임 능선)를 통해 단어 타이밍을 이미 내부적으로 알고 있습니다. 오늘은 출력에서 Whisper를 실행하여 타이밍을 복구합니다 — 견고하지만 전체 두 번째 모델입니다. 대신 mlx-audio의 디코드를 패치하여 대상 영역(ICL 참조를 앞부분 잘라냄)에 대한 교차 주의를 표면화하고, 단조 정렬을 추출하고, 텍스트 토큰 → 단어를 매핑합니다. 이렇게 하면 Whisper가 클립당 핫 경로에서 벗어납니다: clone 시 transcript를 전달하는 것과 결합하면 일반 사용자에게 Whisper가 실행(또는 다운로드)되지 않습니다. 위험: mlx-audio의 내부 디코드는 안정적인 API가 아니므로 버전을 고정하고 드리프트 테스트를 추가합니다(Qwen 파생 타이밍 vs 픽스처의 Whisper; 차이가 나면 실패). 참고: 정렬할 음소는 없습니다 — BPE 텍스트 토큰 → 오디오 프레임만 있습니다.

라이선스

MIT. 소유하거나 사용 권한이 있는 음성만 복제하는 것은 사용자의 책임입니다.

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      Not graded
      quality
      B
      maintenance
      Enables AI agents to access local voice synthesis, zero-shot cloning, and voice catalog tools through native MCP tool calls for applications like Claude and Cursor.
      AGPL 3.0
    • A
      license
      Not graded
      quality
      A
      maintenance
      Enables MCP-compatible clients to generate images and videos, synthesize text-to-speech audio, and clone or design custom voices. It also supports flexible output handling (URLs or local files) and multiple transport modes including stdio, REST, and SSE.
      635 npm
      MIT
    • A
      license
      Not graded
      quality
      A
      maintenance
      Enables MCP-compatible clients such as Claude Desktop and Cursor to generate images and videos, synthesize speech, clone voices, and design custom voices from descriptive prompts. It supports stdio, REST, and SSE transport modes with configurable API hosts, keys, and local or URL-based resource output.
      635 npm
      MIT