mcp-kokoro-tts
mcp-kokoro-tts
Локальный MCP-сервер для синтеза речи на базе Kokoro-82M. Когда ваш агент вызывает speak, сервер синтезирует речь и воспроизводит её на вашем компьютере, чтобы вы могли слышать, как говорит обвязка.
Работает с любым MCP-клиентом: Claude Desktop, Claude Code, Cursor, VS Code, opencode, Cline и другими. Один короткий блок конфигурации, никаких API-ключей — синтез выполняется локально на основе Kokoro-82M.
При первом запуске сервер подготавливает два компонента, которых нет на PyPI: веса Kokoro-82M (~312 MB) — в локальный кэш, а английскую модель spaCy (en_core_web_sm) — в то же окружение Python, в котором запущен сервер. Второй компонент обязателен, потому что G2P-конвейер Kokoro загружает spaCy, а окружение uvx / uv tool не будет иметь модель, если этот пакет её не добавит.
Установка
Добавьте в MCP-конфигурацию вашего клиента:
{
"mcpServers": {
"mcp-kokoro-tts": {
"command": "uvx",
"args": ["mcp-kokoro-tts"]
}
}
}Требуются Python 3.12 и uv. При первом запуске сервер автоматически подготавливает веса Kokoro и английскую модель spaCy.
Чтобы заранее скачать и то и другое без запуска MCP-сервера:
uvx mcp-kokoro-tts-provisionRelated MCP server: mac-say-mcp
Как заставить агента вызывать этот инструмент
Добавьте одну строку в AGENTS.md / CLAUDE.md / системный промпт:
When the user wants to hear something spoken aloud, call the `speak` tool with clear, natural text.Инструменты
speak
Синтезирует речь, записывает WAV-файл и воспроизводит его локально.
Параметр | Обязательный | Описание |
| да | Текст для озвучивания (максимум 500 символов) |
| нет | Идентификатор голоса (например, |
| нет | Множитель скорости воспроизведения (по умолчанию |
list_voices
Перечисляет доступные голоса Kokoro и текущий выбранный голос по умолчанию.
Выбор голоса
Порядок определения:
Переменная окружения
TTS_VOICE— идентификатор голоса или абсолютный путь к.ptФайл в каталоге
voices/пакета, имя которого начинается сdefaultПервый файл
.ptвvoices/(в алфавитном порядке)Встроенный голос модели
af_heart
{
"mcpServers": {
"mcp-kokoro-tts": {
"command": "uvx",
"args": ["mcp-kokoro-tts"],
"env": {
"TTS_VOICE": "af_heart"
}
}
}
}Переменные окружения
Переменная | Описание |
| Идентификатор голоса по умолчанию или абсолютный путь к |
| Переопределяет каталог кэша моделей |
| Переопределяет каталог кэша Hugging Face Hub |
| Каталог для создаваемых WAV-файлов |
| Установите |
| Необязательный токен Hugging Face для более быстрой загрузки |
Платформы
ОС | Синтез | Воспроизведение |
macOS | да |
|
Linux | да |
|
Windows | да | PowerShell |
espeak-ng необязателен. Английский работает и без него; установите его для лучшего охвата слов вне словаря и для некоторых языков, отличных от английского.
Публикация
Тегирование версии запускает GitHub Actions publish.yml, который публикует в PyPI, а затем в MCP Registry.
Публикация в PyPI использует секрет репозитория PYPI_TOKEN (API-токен PyPI). На проекте PyPI можно также включить GitHub trusted publishing; в этом workflow аутентификация выполняется с помощью токена, поэтому первый релиз не зависит от сопоставления с отложенным издателем.
Релиз
Поднимите
versionвpyproject.toml(и вserver.json, если вы пока не тегируете)Сделайте коммит и тег:
git tag v0.1.2 && git push origin v0.1.2GitHub Actions запускает
publish.yml:release— проверка типов, тесты, сборка wheel/sdistpypi-publish— загрузка в PyPI сPYPI_TOKENmcp-registry— OIDC → MCP Registry (после успешного PyPI)
Разработка
cd mcps-tts
python3.12 -m venv .venv
source .venv/bin/activate
pip install -e ".[dev]"
pyright
pytest
python -m mcp_kokoro_ttsЛицензия
Apache-2.0. См. LICENSE и NOTICE. Веса модели Kokoro-82M загружаются отдельно по их лицензии Apache-2
Available Tools
2 toolslist_voicesList voicesA
List Kokoro voices available to the speak tool and the currently selected default voice. Resolution order: TTS_VOICE env var, voices/default* file, first file in voices/, then the model's default af_heart voice.
Inputs: no named parameters. Returns: result
speakSpeakA
Synthesize speech with Kokoro-82M and play it on the user's machine. Call this when the user wants the harness to talk, read something aloud, or hear a spoken response. Always pass clear, natural text to speak. Default voice resolution: TTS_VOICE env var, voices/default* in the package, first file in voices/, then the bundled af_heart voice from the model.
Inputs: text (required), speed, voice. Returns: result
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
TDQS
Scored across 2 tools
The two tools have clearly distinct purposes: one performs speech synthesis ('speak'), the other lists available voices ('list_voices'). No ambiguity between them, as they serve complementary roles in the TTS workflow.
Both tool names follow an imperative verb style ('speak', 'list_voices'), which is concise and predictable. 'list_voices' uses a verb_noun pattern, but the naming is consistent in tone and clarity for a small set.
With only 2 tools, the server is minimal yet well-scoped for its purpose: a text-to-speech harness. The count is appropriate; additional tools would likely be redundant.
The core operation (speak) is present, and the companion list_voices provides necessary context for voice selection. Minor gaps exist, such as no pause/stop or voice configuration tool, but these are not critical for basic TTS functionality.
Maintenance
Related MCP Connectors
MCP server for Text-to-Speech
Hosted text-to-speech MCP server: 66 voices in 9 languages, long-form narration, podcasts.
Remote text-to-speech MCP server with text_to_speech and list_voices tools. Free plan.
AI voice generation: text-to-speech and voice cloning from any MCP client.
Related MCP Servers
- AlicenseCqualityDmaintenanceEnables users to convert text into high-quality audio by accessing the OpenAI Text-to-Speech API. It supports customizable model selection and voice options for synthesized speech generation via the MCP protocol.1MIT
- AlicenseAqualityDmaintenanceMCP server for text-to-speech using macOS say command, enabling speech synthesis, audio file generation, and voice management.51MIT

leanvox-mcpofficial
AlicenseNot gradedqualityDmaintenanceEnables text-to-speech generation, voice cloning, dialogue creation, and other TTS operations through natural language in MCP-compatible AI assistants.10 npmMIT- AlicenseNot gradedqualityDmaintenanceEnables MCP clients to speak by running local voice models using Chatterbox Turbo TTS or Kokoro TTS, with support for voice cloning, paralinguistic tags, and multiple voices.89 npm13MIT