Voice Gen MCP

🚀 音声生成MCPサーバ

このサーバは、Model Context Protocol (MCP) を使用し、Minimax AI API を介して音声生成機能を提供します。テキストを音声に変換し、生成された音声ファイルを自動的に Amazon S3 にアップロードして、簡単にアクセスおよび共有できるようにします。

✨ 主な機能

• テキスト音声変換：Minimax AI の音声合成 API を使用して、テキストを高品質な音声に変換します。
• S3 統合：生成された音声ファイルを整理されたディレクトリ構造で自動的に Amazon S3 にアップロードします。
• MCP プロトコルサポート：AI アシスタントとのシームレスな統合のため、Model Context Protocol と完全に互換性があります。
• 認証機能：安全なアクセスのため、組み込みの API キー認証があります。
• 複数のトランスポートモード：HTTP、SSE、および STDIO トランスポートプロトコルをサポートします。
• Docker サポート：Docker および Docker Compose を使用して簡単にデプロイできます。
• 音声設定のカスタマイズ：サンプルレート、ビットレート、およびフォーマットオプションをカスタマイズできます。

📦 インストール

ローカルインストール

1. リポジトリをクローンする

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

2. 仮想環境を作成する

   python3 -m venv venv
   source venv/bin/activate  # Windowsの場合: venv\Scripts\activate
   

3. 依存関係をインストールする

   pip install -r requirements.txt
   

4. 環境変数を設定する

   cp env.example .env
   # .env を実際の設定値で編集する
   

Docker インストール

1. Docker イメージをビルドする

   docker build -t voice-gen-mcp .
   

2. Docker Compose で実行する

   cp env.example .env
   # .env を設定値で編集する
   docker-compose up -d
   

📚 ドキュメント

環境変数

env.example を元に .env ファイルを作成し、以下の必須変数を設定します。

音声生成 API (必須)

VOICE_GEN_API_GROUP_ID=your_minimax_group_id
VOICE_GEN_API_KEY=your_minimax_api_key

S3 設定 (必須)

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/

💻 使用例

サーバの起動

ローカル開発

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 クライアント

サーバは複数のトランスポートモードをサポートしています。

• HTTP: http://localhost:8000/mcp
• SSE: http://localhost:8000/sse
• STDIO: 直接のプロセス通信

利用可能なツール

generate_voice

テキストを音声に変換し、S3 にアップロードします。

パラメータ:

• text (文字列、必須): 音声に変換するテキスト
• model (文字列、オプション): 使用するモデル (デフォルト: "speech-2.5-hd-preview")
• voice_id (文字列、オプション): 使用する音声 ID (デフォルト: "mylxsw_voice_1")
• speed (浮動小数点数、オプション): 音声の速度 (デフォルト: 1.0、通常 0.5 - 2.0)

戻り値:

• S3 URL とファイルサイズを含む成功メッセージ
• 生成に失敗した場合はエラーメッセージ

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
}

速度コントロール:

• speed = 0.5: 半分の速度 (遅い音声)
• speed = 1.0: 通常の速度 (デフォルト)
• speed = 1.5: 1.5 倍の速度 (速い音声)
• speed = 2.0: 2 倍の速度 (非常に速い音声)

📄 ライセンス

MIT License