Kokoro Tts MCP

🚀 Kokoro テキスト読み上げ（TTS）MCP サーバー

Kokoro テキスト読み上げ（TTS）MCP サーバーは、.mp3 ファイルを生成し、S3 へのアップロードオプションを提供します。

利用方法：https://huggingface.co/spaces/hexgrad/Kokoro-TTS

🚀 クイックスタート

✨ 主な機能

Kokoro テキスト読み上げ（TTS）MCP サーバーは、テキストを音声に変換して .mp3 ファイルを生成し、それを S3 バケットにアップロードする機能を提供します。

📦 インストール

リポジトリのクローンとモデルのダウンロード

• リポジトリをローカルにクローンします。
• Kokoro Onnx ウェイト から kokoro-v1.0.onnx と voices-v1.0.bin をダウンロードし、同じリポジトリに保存します。

MCP 設定の追加

以下の内容を MCP 設定に追加し、必要に応じて値を更新します。

  "kokoro-tts-mcp": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/toyourlocal/kokoro-tts-mcp",
        "run",
        "mcp-tts.py"
      ],
      "env": {
        "TTS_VOICE": "af_heart",
        "TTS_SPEED": "1.0",
        "TTS_LANGUAGE": "en-us",
        "AWS_ACCESS_KEY_ID": "",
        "AWS_SECRET_ACCESS_KEY": "",
        "AWS_REGION": "us-east-1",
        "AWS_S3_FOLDER": "mp3",
        "S3_ENABLED": "true",
        "MP3_FOLDER": "/path/to/mp3"
      } 
    }

ffmpeg のインストール

.wav ファイルを .mp3 ファイルに変換するために、ffmpeg をインストールする必要があります。Mac の場合は以下のコマンドを実行します。

brew install ffmpeg

.env ファイルの設定

ローカルで実行するには、.env ファイルに必要な環境変数を追加します。env.example を参考にして .env ファイルを作成し、必要に応じて値を変更します。

💻 使用例

基本的な使用法

サーバーの起動

推奨方法は UV を使用することです。以下のコマンドを実行してサーバーを起動します。

uv run mcp-tts.py

テキスト読み上げクライアントの使用

テキスト読み上げ機能を使用するには、ターミナルで以下のコマンドを実行します。

uv run mcp-client.py --tts text-to-speech <your-text>

<your-text> を実際のテキスト内容に置き換えてください。

高度な使用法

MCP サーバーとクライアントの構成と実行例

1. MCP サーバーを起動します。

uv run mcp-tts.py

2. 別のターミナルウィンドウで、TTS クライアントを起動します。

uv run mcp-client.py --tts text-to-speech "こんにちは、Kokoro！"

これにより、Kokoro モデルを使用して日本語のテキストが音声に変換され、.mp3 ファイルが生成されます。

📚 ドキュメント

サポートされる環境変数

テキスト読み上げのコード例

import uvicorn
from fastapi import FastAPI
from fastapi.responses import FileResponse
from pydub import AudioSegment
import os

app = FastAPI()

@app.get("/text-to-speech/{text}")
async def text_to_speech(text: str):
    # ここでは、音声を生成するロジックがあると仮定しています。例えば、科大訊飛や阿里云の API を使用する場合など。
    # 以下はサンプルであり、実際の実装は具体的な状況に応じて調整する必要があります。
    audio = AudioSegment.from_text(text, language="zh-CN")
    file_path = os.path.join("audio_files", f"output_{len(audio)}_bytes.mp3")
    audio.export(file_path, format="mp3")
    return FileResponse(file_path)

if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=8000)

🔧 技術詳細

Kokoro TTS MCP サーバーは、テキストを音声に変換するために特定のモデルを使用しています。サーバーの挙動をカスタマイズするには、mcp-tts.py の構成パラメータを編集します。例えば、オーディオ出力形式、サンプリングレート、またはビット深度を調整することができます。

📄 ライセンス

原文書にライセンス情報が記載されていないため、このセクションは省略されています。

その他のリソース

• FastAPI 公式ドキュメント
• Pydub ドキュメント
• 科大訊飛音声合成 API
• 阿里云音声合成サービス