RVC Voice MCP

Convierte texto de un cliente de chat compatible con MCP en voz, transfórmalo con un modelo RVC local .pth + .index y muestra un reproductor de audio en la conversación.

Este proyecto genera audio sintético. Solo usa voces que poseas o para las que tengas permiso, y divulga claramente que el resultado es generado por IA.

Cómo funciona

1. ChatGPT llama a speak_rvc con texto.

2. El servidor local pide a Applio que sintetice una voz base y ejecute la conversión RVC.

3. Según PLAYBACK_MODE, el ordenador local reproduce el WAV, el widget de MCP Apps lo muestra, o ambos.

El servidor nunca acepta rutas de modelo ni comandos de shell desde el chat. Las rutas están fijadas en la configuración local del entorno y se excluyen de Git.

Related MCP server: MCP TTS Server

Requisitos

• Windows y Node.js 20+

• Una instalación funcional de Applio, ya sea dentro de local/Applio o en una ruta configurada manualmente

• Un .pth de inferencia RVC y su .index correspondiente

• Modo Desarrollador de ChatGPT y un túnel HTTPS público para la integración web

Configuración local

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

Edita .env antes de iniciar y reemplaza HTTP_TOKEN por un secreto aleatorio largo.

Descubrimiento automático local

El repositorio reserva estos directorios locales ignorados:

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

Si los cuatro ajustes de ruta en .env se dejan vacíos, el servidor usa local/Applio/env/python.exe y busca en local/models de forma recursiva. La selección automática de modelos solo se activa cuando hay exactamente un .pth y exactamente un .index, evitando un desajuste accidental cuando hay varias voces instaladas.

Las rutas manuales siguen teniendo prioridad. Puedes establecer cualquiera o todos estos valores de forma independiente:

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

Reinicia el servicio después de añadir o cambiar modelos, porque el descubrimiento ocurre al inicio.

Modos de reproducción

Elige dónde se reproduce el discurso generado:

PLAYBACK_MODE=widget

• widget reproduce a través de la tarjeta de audio de ChatGPT.

• local inicia la reproducción en el ordenador que ejecuta este servidor.

• both habilita la reproducción local y mantiene disponible el reproductor de ChatGPT.

En Windows, la reproducción local funciona sin otra dependencia. Para usar ffplay en su lugar, establece su ruta completa:

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

• Salud: http://127.0.0.1:8788/health

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

Endpoint público con un clic

Ejecuta:

npm run public

La primera ejecución descarga Cloudflare Tunnel en la carpeta local ignorada tools. El script genera un token de acceso nuevo, inicia el servidor MCP y el túnel en segundo plano, y luego imprime la URL del conector HTTPS para añadir en el Modo Desarrollador de ChatGPT. Mantén esa terminal abierta solo mientras lees la URL; los dos procesos en segundo plano continúan ejecutándose.

Detén ambos procesos con:

npm run stop

Los túneles rápidos están pensados para desarrollo y su URL cambia cada vez. Para una versión pública estable, configura un túnel Cloudflare con nombre y un dominio que controles.

Herramientas

• speak_rvc(text) genera voz de IA y muestra el reproductor.

• get_status() comprueba la configuración local sin exponer rutas.

Alcance actual

El adaptador inicial usa el comando TTS integrado de Applio y la inferencia RVC. El TTS totalmente sin conexión y un túnel con nombre estable son trabajo futuro.

Licencia

MIT