voice-mcp
🎙️ voice-mcp
一个用于 AI 语音合成、配有内联音频播放器的 MCP(Model Context Protocol)服务器。为你的 AI 助手赋予自定义克隆音色!
功能特性
🎤 自定义音色 — 使用 ElevenLabs 搭配选定或克隆的音色
🎵 内联音频播放器 — 美观的微信风格播放器,带波形可视化
📝 转录开关 — 显示/隐藏口播文本
🌙 暗色模式支持 — 自动适应主题
⚡ Cloudflare Workers — 快速、无服务器部署
Related MCP server: voice-mcp
演示
当你调用 speak 工具时,你将获得:
带播放/暂停按钮的精巧音频播放器
随播放进度动效的波形
时间显示
可展开的转录文本
快速开始
1. 克隆仓库
git clone https://github.com/p8j9k7psbk-hub/voice-mcp.git
cd voice-mcp2. 安装依赖
npm install3. 配置 ElevenLabs
创建一个 ElevenLabs API 密钥,并复制需要使用的音色的 ID。
将你的密钥添加到 Cloudflare:
npx wrangler secret put ELEVENLABS_API_KEY
npx wrangler secret put ELEVENLABS_VOICE_ID
npx wrangler secret put ELEVENLABS_MODEL_ID # Optional; defaults to eleven_multilingual_v2
npx wrangler secret put BOT_NAME # Optional, defaults to "AI"4. 部署
npx wrangler deploy5. 连接到 ChatGPT
在 ChatGPT 中启用开发者模式,然后从 + 菜单选择 创建应用。
添加公共 MCP URL:
https://your-worker.workers.dev/mcp。在对话中选择该应用。ChatGPT 即可调用
speak工具并显示内联播放器。
该端点必须可通过 HTTPS 访问。ChatGPT 支持使用 SSE 或流式 HTTP 连接远程 MCP 服务器;此 Worker 采用后者。
配置
变量 | 必需 | 说明 |
| ✅ | 你的 ElevenLabs API 密钥 |
| ✅ | ElevenLabs 音色 ID |
| ❌ | 默认为 |
| ❌ | 显示名称(默认值为 "AI") |
API 端点
端点 | 说明 |
| MCP 服务器(流式 HTTP) |
| MCP 服务器(SSE 兼容端点) |
| 直接获取音频文件 |
| 健康检查 |
如何选择音色
选择内置或克隆的音色。
将其音色 ID 粘贴到
ELEVENLABS_VOICE_ID。
自定义部署
使用自定义域名
将你的域名添加到 Cloudflare。
创建一条指向 Worker 的 DNS 记录。
更新
wrangler.jsonc:
{
"routes": [
{ "pattern": "voice.yourdomain.com/*", "zone_name": "yourdomain.com" }
]
}自行托管(Node.js)
核心 MCP 逻辑可以适配到其他平台。你需要:
用标准的 HTTP/SSE 处理器替换
createMcpHandler。直接使用
@modelcontextprotocol/sdk。自行处理 SSE 传输。
技术栈
Cloudflare Workers — 无服务器运行时
MCP SDK — Model Context Protocol
ElevenLabs — 语音合成
ext-apps — 内联 UI 渲染
许可证
MIT © 2026
鸣谢
灵感源自让 AI 助手有声音的需求。用 ❤️ 打造。
Tool Schema Changelog
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
This server cannot be deployed
Maintenance
Related MCP Connectors
Generate AI images, videos, music, SFX & speech in any AI assistant. Results appear inline in chat.
ElevenLabs in natural language: generate speech in any language, create and manage voices, compose m
Manage ElevenLabs voice agents and generate speech, music, sound effects, images, and video.
Audio and video tools for your AI assistant: remove noise, enhance voices, transcribe, and more.
Related MCP Servers
- AlicenseAqualityFmaintenanceEnables text-to-speech conversion using ElevenLabs API with voice management, streaming support, and multiple models.517 PyPI1MIT
- AlicenseNot gradedqualityNot gradedmaintenanceEnables AI assistants to generate speech with custom cloned voices via DashScope or ElevenLabs, with an inline audio player and visualizer panel.MIT
- AlicenseNot gradedqualityDmaintenanceEnables ChatGPT to generate ElevenLabs speech from text, returning playable MP3 audio, with voice listing and preference management.MIT
- AlicenseNot gradedqualityCmaintenanceEnables AI assistants to speak with realistic cloned voices via ElevenLabs TTS on Cloudflare Workers, supporting 29 languages and inline audio playback on both desktop and mobile.MIT