Kokoro Tts MCP

Kokoro文本转语音(TTS)MCP服务器，支持生成MP3文件并可选上传至S3存储

语音处理开发者工具 #文本转语音 #语音合成 #云存储 #音频处理 .Python

评分 : 2.5分

下载量 : 9.6K

更新时间 : 2025-04-29

打开站点

什么是Kokoro TTS MCP服务?

Kokoro TTS MCP服务是一个文本转语音(TTS)解决方案，它接收文本输入并生成对应的语音MP3文件。服务基于Model Context Protocol(MCP)构建，支持多种语音风格和语速调整，并能将生成的音频文件自动上传至AWS S3云存储。

如何使用Kokoro TTS服务?

您可以通过简单的命令行客户端或直接调用MCP协议来使用本服务。服务支持即时文本转换或从文件读取内容，生成的音频文件可保存在本地或云端。

适用场景

本服务适用于需要语音合成的各种场景，如：有声读物生成、语音助手回复、教育内容制作、无障碍访问等。特别适合需要批量处理文本或自动化语音生成的工作流程。

主要功能

多语音支持

提供多种预设语音风格(如af_heart, en_female等)，满足不同场景需求

语速调节

可调整语音播放速度(0.5-2.0倍速)，获得最佳听觉体验

S3云存储集成

支持自动将生成的MP3文件上传至AWS S3存储，便于分享和管理

智能文件管理

自动清理旧文件功能，可设置保留天数或上传后立即删除本地副本

优势

简单易用的命令行接口，便于集成到自动化流程

支持多种语言和语音风格选择

灵活的云存储选项，减轻本地存储压力

开源模型支持，无需支付额外授权费用

局限性

需要安装ffmpeg等依赖工具

首次使用需下载较大的语音模型文件

高级语音定制功能有限

如何使用

环境准备

安装必要的依赖项，包括Python环境和ffmpeg工具

下载语音模型

从GitHub获取Kokoro Onnx权重文件并放入项目目录

配置服务

创建.env文件或设置环境变量，配置AWS凭证和语音参数

启动服务

使用uvicorn运行MCP服务器

使用客户端

通过命令行客户端发送文本进行语音合成

使用案例

生成欢迎语音

为网站创建多语言欢迎语音

批量处理文档

将长篇文档转换为有声读物

自动化语音提醒

集成到通知系统中生成语音提醒

常见问题

如何更改默认语音?

生成的音频文件保存在哪里?

服务支持哪些语言?

如何禁用S3上传功能?

🚀 Kokoro 文本转语音（TTS）MCP 服务器

Kokoro 文本转语音（TTS）MCP 服务器可用于生成 .mp3 文件，并且提供了上传至 S3 的选项，为文本转语音需求提供了便捷的解决方案。

使用链接：https://huggingface.co/spaces/hexgrad/Kokoro-TTS

🚀 快速开始

✨ 主要特性

能够生成 .mp3 文件。
支持将生成的文件上传到 S3。

📦 安装指南

克隆仓库

将项目克隆到本地仓库。

下载权重文件

下载 Kokoro Onnx 权重的 kokoro-v1.0.onnx 和 voices-v1.0.bin，并存储在相同的仓库中。

配置 MCP

将以下内容添加到您的 MCP 配置中，并使用您自己的值进行更新：

{
    "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"
        }
    }
}

安装 ffmpeg

这是将 .wav 转换为 .mp3 文件所需的。对于 Mac 系统，可使用以下命令进行安装：

brew install ffmpeg

配置环境变量

要在本地运行，请将相关内容添加到您的 .env 文件中。可参考 env.example 文件，复制到 .env 并根据自己的值进行修改。

支持的环境变量

属性	详情
`AWS_ACCESS_KEY_ID`	您的 AWS 访问密钥 ID
`AWS_SECRET_ACCESS_KEY`	您的 AWS 秘密访问密钥
`AWS_S3_BUCKET_NAME`	S3 存储桶名称
`AWS_S3_REGION`	S3 区域（例如，us-east-1）
`AWS_S3_FOLDER`	S3 桶中的文件夹路径
`AWS_S3_ENDPOINT_URL`	可选的自定义 S3 兼容存储端点 URL
`MCP_HOST`	服务器绑定到的主机（默认：0.0.0.0）
`MCP_PORT`	侦听的端口（默认：9876）
`MCP_CLIENT_HOST`	客户端连接到服务器的主机名（默认：localhost）
`DEBUG`	启用调试模式（设为 "true" 或 "1"）
`S3_ENABLED`	启用 S3 上传（设为 "true" 或 "1"）
`MP3_FOLDER`	存储 MP3 文件的路径（默认是脚本目录中的 'mp3' 文件夹）
`MP3_RETENTION_DAYS`	在自动删除之前保留 MP3 文件的天数
`DELETE_LOCAL_AFTER_S3_UPLOAD`	成功上传到 S3 后是否删除本地 MP3 文件（设为 "true" 或 "1"）
`TTS_VOICE`	TTS 客户端的默认语音（默认：af_heart）
`TTS_SPEED`	TTS 客户端的默认速度（默认：1.0）
`TTS_LANGUAGE`	TTS 客户端的默认语言（默认：en-us）

💻 使用示例

在本地运行服务器

推荐使用 UV 来运行服务器，命令如下：

uv run mcp-tts.py

文本转语音客户端

要使用文本转语音功能，请在终端中运行以下命令：

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

请将 <your-text> 替换为实际的文本内容。

示例：配置并运行 MCP 服务器和客户端

启动 MCP 服务器：

uv run mcp-tts.py

在另一个终端窗口中，启动 TTS 客户端：

uv run mcp-client.py --tts text-to-speech "你好，Kokoro！"

这将使用 Kokoro 模型将中文文本转换为语音，并生成一个 .mp3 文件。

📚 详细文档

定制和扩展

要自定义 MCP 服务器的行为，请编辑 mcp-tts.py 中的配置参数。例如，您可以调整音频输出格式、采样率或位深度。

要添加更多功能或集成其他服务，请扩展 MCP 服务器的代码，添加新的处理程序和服务。

文本转语音示例

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):
    # 这里假设您有生成语音的逻辑，例如使用科大讯飞或阿里云的 API
    # 以下是一个示例，实际实现需要根据具体情况进行调整
    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)