インタラクティブ音声 MCP サーバー (Kokoro TTS + NeMo ASR)

Kokoro を使用したテキスト読み上げ (TTS) 機能と、NVIDIA NeMo Parakeet モデルを使用した音声テキスト変換 (STT) 機能を提供し、対話型音声ダイアログを可能にするモデル コンテキスト プロトコル サーバーです。

利用可能なツール

• interactive_voice_dialog - テキストを音声に合成して再生し、ユーザーの音声入力を聞いて書き起こしを返します。

  • 必要な引数:

    • text_to_speak (文字列): アシスタントが話すテキスト。

  • オプションの引数:

    • voice (文字列): TTSで使用する音声（例：'af_heart'）。デフォルトは'af_heart'です。

インストール

前提条件

基礎となる TTS モデルの一部では、システムにespeak-ngがインストールされている必要があります。

Windows インストール:

1. espeak-ng リリースに移動します。

2. 「最新リリース」をクリックします。

3. 適切な*.msiファイル (例: espeak-ng-20191129-b702b03-x64.msi ) をダウンロードします。

4. ダウンロードしたインストーラーを実行します。

ローカル開発インストール

Claude Desktop がpython -m mcp_server_ttsを使用してこのサーバーを起動できるようにするには、Python モジュールとしてインストールする必要があります。開発環境では、「編集可能」モード ( -e ) でインストールすることをお勧めします。これにより、ソースコードへの変更が再インストールなしで即座に反映されます。

pyproject.tomlファイル (このサーバー プロジェクトのルート) を含むディレクトリに移動し、次を実行します。

pip install -e .

インストール後、次のコマンドを使用してスクリプトとして実行できます。

python -m mcp_server_tts.server # Assuming the main module is still server.py within mcp_server_tts
# Or, if you create a new package structure:
# python -m mcp_interactive_voice_server

Related MCP server: Voice MCP

構成

Claude Desktopでこのサーバーを使用するには、 claude_desktop_config.jsonファイルに追加する必要があります。このファイルの場所は通常、 C:\Users\<YourUsername>\AppData\Roaming\Claude\claude_desktop_config.jsonです。

claude_desktop_config.jsonのmcpServersオブジェクトの下に次のエントリを追加します。

    "tts": {
      "command": "python",
      "args": ["-m", "mcp_server_tts"]
    }

たとえば、 mcpServersセクションは次のようになります。

{
  // ... other configurations ...
  "mcpServers": {
    // ... other servers ...
    "tts": {
      "command": "python",
      "args": ["-m", "mcp_server_tts"]
    }
    // ... other servers ...
  }
  // ... other configurations ...
}