RVC Voice MCP

Verwandle Text aus einem MCP-fähigen Chat-Client in Sprache, konvertiere ihn mit einem lokalen RVC-.pth + .index-Modell und rendere einen Audio-Player in der Konversation.

Dieses Projekt erzeugt synthetisches Audio. Verwende nur Stimmen, die dir gehören oder für die du eine Erlaubnis hast, und kennzeichne KI-generierte Ausgaben deutlich.

So funktioniert es

1. ChatGPT ruft speak_rvc mit Text auf.

2. Der lokale Server bittet Applio, eine Basisstimme zu synthetisieren und die RVC-Konvertierung durchzuführen.

3. Je nach PLAYBACK_MODE spielt der lokale Computer die WAV-Datei ab, das MCP-Apps-Widget rendert sie, oder beides geschieht.

Der Server akzeptiert niemals Modellpfade oder Shell-Befehle aus dem Chat. Pfade sind in der lokalen Umgebungskonfiguration festgelegt und von Git ausgeschlossen.

Related MCP server: MCP TTS Server

Voraussetzungen

• Windows und Node.js 20+

• Eine funktionierende Applio-Installation, entweder in local/Applio oder unter einem manuell konfigurierten Pfad

• Ein RVC-Inferenz-.pth und passendes .index

• ChatGPT-Entwicklermodus und ein öffentlicher HTTPS-Tunnel für die Web-Integration

Lokale Einrichtung

Copy-Item .env.example .env
npm install
npm run check
npm start

Bearbeite .env vor dem Start und ersetze HTTP_TOKEN durch ein langes, zufälliges Geheimnis.

Lokale automatische Erkennung

Das Repository reserviert diese ignorierten lokalen Verzeichnisse:

local/Applio/    Complete Applio installation
local/models/    RVC .pth and .index files

Wenn die vier Pfadeinstellungen in .env leer gelassen werden, verwendet der Server local/Applio/env/python.exe und durchsucht local/models rekursiv. Die automatische Modellauswahl ist nur aktiviert, wenn genau eine .pth- und genau eine .index-Datei vorhanden sind, wodurch eine versehentliche Fehlpaarung bei mehreren installierten Stimmen verhindert wird.

Manuelle Pfade haben weiterhin Vorrang. Du kannst jeden oder alle dieser Werte unabhängig festlegen:

APPLIO_DIR=D:\Apps\Applio
PYTHON_PATH=D:\Apps\Applio\env\python.exe
RVC_MODEL_PATH=D:\Voices\character.pth
RVC_INDEX_PATH=D:\Voices\character.index

Starte den Dienst nach dem Hinzufügen oder Ändern von Modellen neu, da die Erkennung beim Start erfolgt.

Wiedergabemodi

Wähle, wo erzeugte Sprache abgespielt wird:

PLAYBACK_MODE=widget

• widget spielt über die ChatGPT-Audiokarte ab.

• local startet die Wiedergabe über den Computer, auf dem dieser Server läuft.

• both aktiviert die lokale Wiedergabe und hält den ChatGPT-Player verfügbar.

Unter Windows funktioniert die lokale Wiedergabe ohne weitere Abhängigkeit. Um stattdessen ffplay zu verwenden, lege dessen vollständigen Pfad fest:

LOCAL_PLAYER_PATH=C:\ffmpeg\bin\ffplay.exe

• Health: http://127.0.0.1:8788/health

• MCP: http://127.0.0.1:8788/mcp?token=YOUR_TOKEN

Öffentlicher Endpunkt mit einem Klick

Ausführen:

npm run public

Beim ersten Lauf wird Cloudflare Tunnel in den ignorierten lokalen tools-Ordner heruntergeladen. Das Skript generiert ein neues Zugriffstoken, startet den MCP-Server und den Tunnel im Hintergrund und gibt dann die HTTPS-Connector-URL aus, die im ChatGPT-Entwicklermodus hinzugefügt werden soll. Halte das Terminal nur zum Lesen der URL offen; die beiden Hintergrundprozesse laufen weiter.

Stoppe beide Prozesse mit:

npm run stop

Quick-Tunnel sind für die Entwicklung gedacht und ihre URL ändert sich jedes Mal. Für eine stabile öffentliche Veröffentlichung konfiguriere einen benannten Cloudflare-Tunnel und eine Domain, die du kontrollierst.

Werkzeuge

• speak_rvc(text) erzeugt KI-Sprache und rendert den Player.

• get_status() prüft die lokale Konfiguration, ohne Pfade offenzulegen.

Aktueller Umfang

Der erste Adapter verwendet Applios integrierten TTS-Befehl und RVC-Inferenz. Vollständig offline arbeitendes TTS und ein stabiler benannter Tunnel sind für die Zukunft vorgesehen.

Lizenz

MIT