Skip to main content
Glama
Sign In
salutespeech-mcp

salutespeech-mcp

by theYahia
OverviewSchemaSourceRelated ServersDiscussionsAdmin
TypeScript
Hybrid

SaluteSpeech MCP — распознавание и синтез русской речи для ИИ-ассистента

Если вы искали, как расшифровать созвон или голосовое сообщение в текст, озвучить текст голосом Сбера или подключить русский speech-to-text к Claude без собственного бэкенда — это оно. 5 инструментов поверх Sber SaluteSpeech API: распознавание речи (STT) и синтез речи (TTS).

npm License: MIT

Часть серии WWmcp (46 серверов) от @theYahia.

Установка

Claude Desktop

{
  "mcpServers": {
    "salutespeech": {
      "command": "npx",
      "args": ["-y", "@theyahia/salutespeech-mcp"],
      "env": { "SALUTESPEECH_API_KEY": "your-base64-key" }
    }
  }
}

Claude Code

claude mcp add salutespeech -e SALUTESPEECH_API_KEY=your-key -- npx -y @theyahia/salutespeech-mcp

Режим Streamable HTTP

SALUTESPEECH_API_KEY=your-key npx @theyahia/salutespeech-mcp --http --port=3000
# POST http://localhost:3000/mcp
# GET  http://localhost:3000/health

Related MCP server: @theyahia/yandex-speechkit-mcp

Авторизация

Три варианта (проверяются по порядку):

Переменная

Формат

SALUTESPEECH_API_KEY

Base64 от строки client_id:client_secret

SALUTE_AUTH_KEY

То же самое (устаревший алиас)

SALUTE_SPEECH_CLIENT_ID + SALUTE_SPEECH_CLIENT_SECRET

Сырые учётные данные (кодируются автоматически)

OAuth-токены запрашиваются и обновляются автоматически. Scope по умолчанию — SALUTE_SPEECH_PERS (физлица); для корпоративных аккаунтов задайте SALUTE_SPEECH_SCOPE (SALUTE_SPEECH_CORP — постоплата, SALUTE_SPEECH_B2B — предоплата). Учётные данные выдаются на developers.sber.ru.

Инструменты (5)

Инструмент

Описание

recognize_speech

Распознавание речи из аудио в Base64

synthesize_speech

Синтез речи, возвращает аудио в Base64

list_models

Список моделей распознавания и голосов синтеза

get_task_status

Статус асинхронной задачи распознавания

recognize_file

Распознавание речи из локального файла по пути

Навыки (Skills)

  • skill-transcribe — пошаговый сценарий расшифровки аудио

  • skill-synthesize — пошаговый сценарий синтеза речи

Примеры

Расшифруй аудиофайл /tmp/meeting.wav
Озвучь «Привет, мир» голосом Bys_24000 в формате wav16
Покажи доступные голоса

Ограничения

recognize_speech и recognize_file работают через синхронный эндпоинт с лимитом 2 МБ / 1 минута аудио (файл больше — HTTP 413). Для многоканального аудио распознаётся только первый канал. Длинные записи требуют асинхронного сценария (data:upload → speech:async_recognize → task:get → data:download) — он пока не вынесен в инструменты; шаг опроса статуса покрывает get_task_status.

Текст для синтеза ограничен 4000 символами (включая пробелы и SSML-разметку).

Решение проблем

self-signed certificate in certificate chain / UNABLE_TO_VERIFY_LEAF_SIGNATURE

Эндпоинты Сбера используют Russian Trusted Root CA (НУЦ Минцифры), которого нет в дефолтном хранилище доверенных корневых сертификатов Node.js — поэтому самый первый OAuth-запрос падает, пока вы его не добавите.

Решение: скачайте корневой сертификат (russian_trusted_root_ca_pem.crt) с gosuslugi.ru/crt и укажите его Node.js:

export NODE_EXTRA_CA_CERTS=/path/to/russian_trusted_root_ca_pem.crt

В MCP-клиенте добавьте эту переменную в блок env сервера. Не ставьте NODE_TLS_REJECT_UNAUTHORIZED=0 в продакшене — это полностью отключает проверку TLS. Официальная инструкция: сертификаты SaluteSpeech.

Лицензия

MIT

Часть WWmcp · Telegram: @vhodvai

Available Tools

5 tools
get_task_statusA

Check status of an async SaluteSpeech recognition task by ID.

Inputs: task_id (required).

list_modelsA

List available SaluteSpeech models and voices for recognition and synthesis.

Inputs: type.

recognize_fileA

Recognize speech from a local audio file. Auto-detects format from extension.

Inputs: file_path (required), language, sample_rate.

recognize_speechB

Speech recognition via SaluteSpeech. Accepts Base64 audio, returns text transcription.

Inputs: audio_base64 (required), language, content_type.

synthesize_speechA

Text-to-speech via SaluteSpeech. Accepts text, returns Base64-encoded audio.

Inputs: text (required), voice, format.

Tool Schema Changelog

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

Loading tool schema changelog…

    Deploy Server
    One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

    TDQS

    A3.7/5.0

    Scored across 5 tools

    Disambiguation4/5

    recognize_speech and recognize_file both perform speech recognition but differ by input source (Base64 vs local file), which is distinguishable. The other tools (get_task_status, list_models, synthesize_speech) have clearly distinct purposes.

    Naming Consistency5/5

    All tool names follow a consistent verb_noun snake_case pattern: recognize_*, get_*, list_*, synthesize_*. No mixed conventions or vague verbs.

    Tool Count5/5

    Five tools is well-scoped for a speech API covering recognition, synthesis, model listing, and async task management. Each tool earns its place.

    Completeness4/5

    The core speech recognition and synthesis workflows are covered, including async task status. Minor gaps include no explicit cancel/delete task operation, but the essential lifecycle is present.

    Maintenance

    ActivityStale
    ResponsivenessNo recent community issues

    Resources

    Related MCP Connectors

    Related MCP Servers