Speech MCP

🚀 音声MCPドキュメント

音声MCPは、音声合成と音声認識の機能を提供するツールです。多様なオペレーティングシステムとPythonバージョンに対応し、複数の音声エンジンをサポートします。

🚀 クイックスタート

音声MCPを使用するには、まずインストールと設定を行う必要があります。以下の手順に従って、音声MCPをセットアップしましょう。

✨ 主な機能

• テキスト読み上げ (TTS): 複数のTTSエンジンをサポートし、多言語と音声スタイルに対応。
• 音声認識 (STT): faster-whisper エンジンを使用したローカル音声認識。
• 多言語対応: 英語と中国語の混合入力と認識が可能。
• カスタム音声モデル: ユーザーが独自の音声モデルを追加できます。

📦 インストール

互換性

• オペレーティングシステム: Windows、macOS、Linux（Ubuntu 20.04+）をサポート。
• Pythonバージョン: Python 3.6以上。

インストール手順

1. pipを使用して依存関係をインストールします。

   pip install speech-mcp
   

2. PortAudioライブラリをダウンロードしてインストールします。
   • macOS:

     brew install portaudio
     export LDFLAGS="-L/usr/local/lib"
     export CPPFLAGS="-I/usr/local/include"
     pip install pyaudio
     

   • Linux（Ubuntuを例とする）:

     sudo apt-get update && sudo apt-get install portaudio19-dev python3-dev
     pip install pyaudio
     

📚 ドキュメント

デフォルトの設定ファイルパス

• ユーザー設定ファイル: ~/.config/speech-mcp/config.json

環境変数の設定

• SPEECH_MCP_TTS_VOICE: デフォルトのテキスト読み上げ（TTS）エンジンを設定します。
• SPEECH_MCP_STT_MODEL: デフォルトの音声認識（STT）モデルを設定します。

💻 使用例

基本的な使用法

1. 音声MCPを起動します。

   speech-mcp start
   

2. 音声でデバイスを制御します。
   • 「音声で始めましょう」などのコマンドを話して音声モードを起動します。
   • システムは自動的に音声入力画面に切り替わります。

高度な使用法

• 多言語対応: 英語と中国語の混合入力と認識をサポートします。
• カスタム音声モデル: ユーザーは独自に音声モデルをダウンロードして追加することができます。

🔧 技術詳細

内部の動作原理

• 音声認識には faster-whisper エンジンを使用します。
• テキスト読み上げ機能は pyttsx3 またはKokoro TTSで実現されます。

パフォーマンス最適化の提案

1. ハードウェアアクセラレーション
   • CUDA対応のデバイスを使用してGPUアクセラレーションを有効にすると、推論速度が向上します。
2. モデル選択
   • 必要に応じて、軽量または高性能の音声モデルを選択します。

📄 トラブルシューティング

一般的な問題

1. オーディオデバイスが検出されない
   • マイクが正しく接続され、システムが認識できることを確認してください。
   • 複数のデバイスがある場合は、コードで具体的なデバイスインデックスを指定します。
2. PortAudioのインストールに失敗した
   • システムログを確認するか、関連する依存関係を再インストールします。

📄 ライセンス

詳細な更新履歴については、プロジェクトドキュメントの変更履歴を参照してください。