voice-gen-mcp

🚀 语音生成MCP服务器

这是一个基于模型上下文协议（MCP）的服务器，借助Minimax AI API实现语音生成功能。该服务器可将文本转换为语音，并自动将生成的音频文件上传至亚马逊S3，方便访问和共享。

✨ 主要特性

• 文本转语音生成：利用Minimax AI的语音合成API，将文本转换为高质量语音。
• S3集成：自动将生成的音频文件上传至亚马逊S3，并采用有序的目录结构。
• MCP协议支持：完全兼容模型上下文协议，可与AI助手实现无缝集成。
• 身份验证：内置API密钥认证机制，保证访问安全。
• 多种传输模式：支持HTTP、SSE和STDIO传输协议。
• Docker支持：可通过Docker和Docker Compose轻松部署。
• 可配置音频设置：可自定义采样率、比特率和格式选项。

📦 安装指南

本地安装

1. 克隆仓库

git clone <repository-url>
cd voice-gen-mcp

2. 创建虚拟环境

python3 -m venv venv
source venv/bin/activate  # 在Windows上：venv\Scripts\activate

3. 安装依赖项

pip install -r requirements.txt

4. 配置环境变量

cp env.example .env
# 使用实际配置值编辑.env文件

Docker安装

1. 构建Docker镜像

docker build -t voice-gen-mcp .

2. 使用Docker Compose运行

cp env.example .env
# 使用配置信息编辑.env文件
docker-compose up -d

📚 详细文档

环境变量

基于env.example文件创建一个.env文件，并设置以下必需变量：

语音生成API（必需）

VOICE_GEN_API_GROUP_ID=your_minimax_group_id
VOICE_GEN_API_KEY=your_minimax_api_key

S3配置（必需）

S3_BUCKET_NAME=your_s3_bucket_name
S3_REGION=us-east-1
S3_ACCESS_KEY_ID=your_s3_access_key_id
S3_SECRET_ACCESS_KEY=your_s3_secret_access_key
S3_ENDPOINT=https://s3.amazonaws.com
S3_PREFIX=voice-gen/

💻 使用示例

启动服务器

本地开发

python3 server.py

Docker

docker run -d \
  --name voice-gen-mcp \
  -p 8000:8000 \
  --env-file .env \
  voice-gen-mcp

Docker Compose

docker-compose up -d

MCP客户端

服务器支持多种传输模式：

• HTTP：http://localhost:8000/mcp
• SSE：http://localhost:8000/sse
• STDIO：直接进行进程通信

可用工具

generate_voice

将文本转换为语音并上传至S3。

参数：

• text（字符串，必需）：要转换为语音的文本。
• model（字符串，可选）：要使用的模型（默认："speech-2.5-hd-preview"）。
• voice_id（字符串，可选）：要使用的语音ID（默认："mylxsw_voice_1"）。
• speed（浮点数，可选）：语音速度（默认：1.0，通常为0.5 - 2.0）。

返回值：

• 包含S3 URL和文件大小的成功消息。
• 若生成失败，则返回错误消息。

示例：

{
  "text": "Hello, this is a test of the voice generation system.",
  "model": "speech-2.5-hd-preview",
  "voice_id": "mylxsw_voice_1",
  "speed": 1.2
}

速度控制：

• speed = 0.5：半速（较慢的语音）。
• speed = 1.0：正常速度（默认）。
• speed = 1.5：1.5倍速（较快的语音）。
• speed = 2.0：双倍速（非常快的语音）。

📄 许可证

MIT许可证