ElevenLabs公式のMCPサーバーで、テキストを音声に変換し、音声処理APIとのやり取りが可能です。

FastMCPは、TypeScriptに基づくフレームワークで、クライアントセッションをサポートするMCPサーバーを構築するために使用されます。ツール、リソース、プロンプトの簡単な定義を提供し、認証、セッション管理、画像と音声コンテンツの返却、ログ記録、エラー処理、SSE通信などの機能をサポートし、テストとデバッグ用のCLIツールも含まれています。

Markdownifyは、PDF、画像、音声などのさまざまな形式やウェブページのコンテンツをMarkdown形式に変換することができる多機能ファイル変換サービスです。

mcp-hfspaceは、Hugging Face Spacesに接続するMCPサーバーで、画像生成、音声処理、ビジュアルモデルなど、さまざまなAI機能をサポートし、Claude Desktopとの統合を簡素化します。

MCPプロトコルに基づく抖音動画処理サーバーで、ノーウォーターマーク動画のダウンロード、音声の抽出、テキストの変換機能をサポートします。

小爱スピーカー音声通知ツールは、CLI/TUI/MCP/Webhookを介して小爱スピーカーに音声通知を送信することをサポートし、複数のスピーカールーティング、Dockerデプロイ、PM2常駐サービスを提供します。

MCPビデオダイジェストは、複数のプラットフォームから音声を抽出してテキストに変換するビデオコンテンツ処理サービスで、複数の文字起こしサービスを提供し、柔軟な設定と高い処理能力を備えています。

MLX Whisperをベースとした音声文字起こしMCPサーバーで、ローカルファイル、Base64オーディオ、YouTube動画の文字起こしに対応。AppleのMシリーズチップ用に最適化されています。

Zonos MCP統合プロジェクトはClaudeにテキスト読み上げ機能を提供し、Model Context Protocolを通じて直接音声を生成し、多言語と感情の口調設定に対応しています。

Edge-TTSに基づくMCP音声合成サーバー

OpenAIベースの音声AIサービスMCPサーバー

MCPプロトコルに基づくテキスト読み上げサーバープロジェクトで、Groq APIを使用して音声合成機能を実現し、様々なオーディオ形式の出力をサポートします。

SystemPrompt Coding Agentは、オープンソースプロジェクトで、ローカルワークステーションをMCPプロトコルでリモート制御可能なAIプログラミングアシスタントに変えます。音声コマンドとモバイル端末での操作をサポートし、異なる場所でのプログラミング管理を実現します。

MCPプロトコルに基づくAI音声通話システムで、VoIP技術を通じてClaudeなどのAIアシスタントが自動的に電話をかけ、スマートな会話を行えます。さまざまなSIPプロトコルとオーディオコーデックをサポートします。

macOS上のClaude Desktopに聴覚と視覚的な通知機能を提供する軽量級のMCPサーバーで、タスクの開始と終了時の音声とデスクトップ通知を含みます。

TeamSpeak MCPは、Model Context Protocolに基づくサーバー制御ツールで、ClaudeなどのAIモデルがTeamSpeak音声サーバーを管理できるように設計されています。ユーザー管理、チャンネル制御、権限設定などの包括的な操作をカバーする39種類の機能ツールを提供し、複数のデプロイ方法（PyPI/Docker/ローカル）をサポートして、TeamSpeakの自動管理を実現します。

このプロジェクトはTypecast APIのMCPサーバーを実装し、MCPクライアントに標準化された音声合成サービスのやり取り方法を提供します。

NijiVoice-MCPは開発中のプロジェクトで、にじボイス（Niji Voice）APIとのModel Context Protocol (MCP)統合を実現し、LLMがMCPインターフェースを通じてにじボイスの音声合成機能（音声生成、声優リスト取得、残高照会など）を簡単に呼び出せるようにします。

Votars MCP は、多言語対応のツールで、Votars AI プラットフォームと統合し、音声文字起こしと AI タスクを処理します。

Rime APIに基づくテキストを音声に変換するMCPサーバーで、システムオーディオ再生機能を提供します。

Claude Code 用に設計されたテキスト読み上げ MCP サーバープラグインです。OpenAI TTS API を使用してテキストを音声に変換し、自動音声フィードバック機能を提供します。

ElectronベースのPerplexity AIデスクトップアプリで、完全なシステム権限と機能を備え、クリップボード操作、ドラッグアンドドロップ機能、音声メディア権限などが含まれます。

Zonos TTSとClaudeのMCP統合プロジェクトで、テキストを音声に変換する機能を実現します。

Vapi MCPサーバープロジェクトは、Model Context Protocolプロトコルを通じてVapi APIとの統合機能を提供し、音声アシスタント管理、電話呼び出し調整などの機能をサポートし、Claude DesktopクライアントとリモートSSE接続と互換性があります。

OpenAI APIをベースにした音声文字起こしMCPサービス

HeyGen MCPサーバーは、Claude DesktopなどのMCPクライアントとHeyGen APIを接続するミドルウェアで、バーチャルアバターとビデオの生成をサポートし、API呼び出し、残りクレジット照会、音声リスト取得などの機能を提供します。

RetellAIのMCPサーバー実装で、電話通話、音声エージェント管理、電話番号設定などの機能を提供し、Claude Desktopとの統合をサポートします。

Google Gemini AIに基づくMCPサーバーで、画像、音声、ビデオ認識機能を提供し、複数の伝送方式とクライアント統合をサポートします。

MCPとlibrosaに基づく音声分析ツールで、ローカルファイル、YouTubeリンク、音声リンクの分析をサポートします。

VOICEVOXと互換性のある音声合成サーバーで、MCPプロトコルを通じてCursorなどのツールとの統合を実現します。

HTTPリクエストでテキストクローニングを実現する音声サービスプロジェクト

MCPサービスツールセットで、Hugging FaceとDifyのAIサービスAPI呼び出し機能を提供し、様々なNLP、CV、音声処理タスクをサポートします。

Speech MCPは、Goose用に設計された音声対話拡張機能で、リアルタイム音声認識、テキスト読み上げ、オーディオ可視化機能を提供します。

Minimax MCPツールは、Minimax AI機能を統合したMCPサーバーの実装で、画像生成とテキスト音声変換機能を提供します。

Windowsのネイティブ音声サービスに基づくテキスト読み上げと音声認識のMCPサーバーで、外部APIに依存する必要はありません。

Chatty MCPはエディタ用に設計された音声インタラクティブなプラグインで、AIリクエストが完了した後に音声で操作内容を要約し、マルチタスク処理の効率を向上させ、カスタム音声エンジンをサポートします。

AllVoiceLab公式MCPサーバーです。テキスト読み上げ、ビデオ翻訳などの強力なAPI対話をサポートし、複数のクライアントに音声生成、ビデオ翻訳、スマートな音声変換サービスを提供します。

VOICEPEAKのテキストを音声に変換するMCPサーバーで、音声合成、再生、発音辞書管理などの機能をサポートします。

FishSpeechに基づくテキスト読み上げ（TTS）MCPサーバーで、音声参照の保存をサポートし、DiveなどのMCP互換のLLMと統合して使用できます。

mcp - audioはAIO - 2030標準に準拠したMCPプラグインで、音声を文字に変換する機能を提供し、複数の音声フォーマットとAPI呼び出し方法をサポートします。