Speech MCP

🚀 語音 MCP 文檔

語音 MCP 是一個支持語音交互的工具，它提供了文本轉語音和語音轉文本功能，支持多種操作系統和 Python 版本，能滿足不同場景下的語音交互需求。

🚀 快速開始

要使用語音 MCP，你需要先進行安裝和配置。安裝完成後，就可以體驗其文本轉語音和語音轉文本功能。

📦 安裝指南

兼容性

安裝步驟

1. 使用 pip 安裝依賴項：

pip install speech-mcp

2. 下載並安裝 PortAudio 庫：

• macOS:

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

• Linux（以 Ubuntu 為例）:

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

📚 詳細文檔

配置指南

默認配置文件路徑

• 用戶配置文件: ~/.config/speech-mcp/config.json

環境變量設置

• SPEECH_MCP_TTS_VOICE: 設置默認的文本轉語音（TTS）引擎。
• SPEECH_MCP_STT_MODEL: 設置默認的語音轉文本（STT）模型。

功能概述

文本轉語音 (TTS)

支持多種 TTS 引擎：

1. 默認引擎: pyttsx3
   • 使用系統內置語音。
   • 支持多語言和語音風格。
2. 可選引擎: Kokoro TTS（需額外安裝）
   • 高質量神經網絡驅動的語音合成。
   • 多種語言和語音風格支持。

語音轉文本 (STT)

• 使用 faster-whisper 引擎進行本地語音識別。
• 支持多種音頻格式，包括 WAV、MP3 和 FLAC。

💻 使用示例

基礎用法

1. 啟動語音 MCP：

speech-mcp start

2. 通過語音控制設備：

• 說 "讓我們開始使用語音" 或類似指令啟動語音模式。
• 系統會自動切換到語音輸入界面。

高級用法

• 多語言支持: 支持中英文混雜輸入和識別。
• 自定義語音模型: 用戶可自行下載並添加額外的語音模型。

🛠️ 故障排除

常見問題

1. 音頻設備未檢測到

   • 確保麥克風已正確連接且系統能識別。
   • 在代碼中指定具體設備索引（如有多個設備）。

2. PortAudio 安裝失敗

   • 檢查系統日誌或重新安裝相關依賴。

🔧 技術細節

內部工作原理

• 使用 faster-whisper 引擎進行語音識別。
• 通過 pyttsx3 或 Kokoro TTS 實現文本轉語音功能。

性能優化建議

1. 硬件加速
   • 使用 GPU 加速（如支持 CUDA 的設備）以提高推理速度。
2. 模型選擇
   • 根據需求選擇輕量級或高性能的語音模型。

📄 許可證

詳細更新記錄請參考項目文檔中的 變更日誌。