Voicesmith MCP

MCP音视频

提供方 shshalom · 包名 voicesmith-mcp

音视频 stdio · 本地进程 无需鉴权 社区 / 第三方 ClaudeCursor
查看接入方式

VoiceSmith MCP是一款本地AI语音编码助手,通过文本转语音(TTS)和语音转文本(STT)功能,为AI提供真实的语音交互能力,完全离线运行,无需云API。

一句话选型结论

按资料字段整理

Voicesmith MCP 属于音视频类 MCP 服务器,stdio · 本地进程,无需鉴权,可直接接入 Claude、Cursor,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类音视频 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 7 仓库热度,无公开仓库时显示未标注
工具数 11 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

音视频
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量11暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

语音合成Python本地部署语音识别本地处理编码助手多会话支持

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
npx voicesmith-mcp install

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 11 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
转写与字幕

把音视频转成文字和字幕。

音视频处理

裁剪、转码、拼接素材。

内容分发

把成品发到对应平台。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 11 个工具,覆盖面较广,能满足多种调用。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude、Cursor,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在音视频场景里让模型直接调用外部能力的人。
  • 已经在用 Claude、Cursor 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Voicesmith MCP当前 11 stdio · 本地进程 本地部署 有 2026-05-17
Ableton MCP B7b69a6a 16 stdio · 本地进程 本地部署 有 2026-05-17
Mini Max MCP 8 SSE · 服务端推送 远程部署 有 2026-05-18
LocalAI 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Youtube E0eb3510 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Voicemode MCP 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

音视频
字段来自项目仓库与公开索引,中文说明由本站标注
提供方shshalom上游标注的维护方 shshalom
分类音视频本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时voicesmith-mcp · Node.js本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

9.3 KB
来自项目仓库与上游目录的原文,未做删改

VoiceSmith MCP

用于编码助手的本地AI语音。通过模型上下文协议(MCP)为您的AI提供真实的语音(文本到语音)和耳朵(语音到文本)。完全离线——没有云API,没有数据离开你的机器。

所得

  • 54种不同的声音 通过Kokoro ONNX(本地TTS,~30MB型号)
  • 语音输入 通过更快的耳语(本地STT,~150MB型号)
  • 话音活动检测 通过Silero VAD(本地,2MB)
  • 多会话支持 --运行多个Claude Code会话,每个会话都有自己的语音(Cursor/Code为单个会话)
  • 使用Claude Code、Cursor和Codex

快速开始```bash

npx voicesmith-mcp install


安装程序将:

1. 检查系统依赖关系(Python 3.11+,espeak ng,mpv)
1. 使用所有包设置Python虚拟环境
1. 下载TTS和STT型号
1. 配置IDE的MCP设置
1. 让你选择一个声音
1. 注入语音行为规则,使AI知道如何说话

安装后重新启动IDE会话。人工智能会在第一个响应时用语音问候你。

## 用法

> \[!注意\]
> **一切都是开箱即用的。** 安装后,只需启动一个会话——AI会自动说话。无需配置。安装程序设置语音行为规则,教导AI何时以及如何使用其语音。

AI会自动做什么:

|时刻|发生了什么|
|--------|-------------|
|你给它一个任务|开始工作(只在阐明方法时说话)|
|它完成了工作|总结了所做的工作|
|它有一个问题|大声问,然后听你的声音回应|
|语音工具不可用|自动返回文本|

______________________________________________________________________

### 中途变声

让AI随时切换声音:

> *“切换到Nova”*

如果语音可用,AI会立即切换。如果它被另一个会话占用,AI会告诉你并显示可用的替代方案。

浏览所有54个声音:

> *“显示可用的声音”*

或者在终端中预览它们: `npx voicesmith-mcp voices`

______________________________________________________________________

### 语音持久性

> \[!提示\]
> 当您切换声音时,选择会自动保存。下次您开始或恢复会话时,AI会使用相同的语音,无需再次切换。

______________________________________________________________________

### 静音

在会议或共享空间?只要问:

> *“将声音静音”*

AI继续正常工作,只是不播放音频。说 *“取消静音”* 当你准备好了。

______________________________________________________________________

### 菜单栏应用程序(macOS)

在macOS上,VoiceSmith包括一个用于免提控制的原生菜单栏应用程序:

- **会话活动** --使用实时火花线图查看所有活动会话
- **快速切换** --媒体回避,超时轻推
- **语音切换器** --浏览和更改54种语音,按语言嵌套
- **Whisper型号** --使用内联下载进度在基本/小/中/大-v3之间切换
- **音频设备** --选择音频输出和输入设备
- **语音规则** --编辑或重置为默认值
- **更新** --检查并安装新版本

菜单栏应用程序在登录时自动启动,并独立于IDE会话运行。

______________________________________________________________________

### 音频设备选择

从菜单栏应用程序或配置中选择特定的音频输出(扬声器/耳机)和输入(麦克风)设备:```json
{
"tts": { "audio_output_device": "coreaudio/BuiltInSpeakerDevice" },
"stt": { "audio_input_device": 1 }
}

更改立即生效,无需重新启动。如果配置的设备不可用,则恢复到系统默认值。


打断讲话

按 逃脱 而AI正在说话以立即停止音频。AI在句子中间停止并等待您的下一个输入。

替代安装

如果你没有Node.js或更喜欢shell脚本:```bash
git clone https://github.com/shshalom/voicesmith-mcp.git
cd voicesmith-mcp
./install.sh


支持相同的标志: `--claude`, `--cursor`, `--codex`, `--all`, `--uninstall`.

## MCP工具

安装后,您的AI助手可以访问这些工具:

|工具|说明|
|------|-------------|
| `speak` |为命名代理合成和播放语音|
| `listen` |打开麦克风,录制语音,返回转录文本|
| `speak_then_listen` |说一个问题,然后立即听答案|
| `set_voice` |更改代理名称的声音|
| `get_voice_registry` |查看已分配和可用的语音|
| `list_voices` |浏览所有54个科科罗的声音|
| `mute` / `unmute` |静音或恢复语音输出|
| `stop` |停止播放或取消活动录制|
| `status` |服务器运行状况和会话信息|
| `list_audio_devices` |列出可用的音频输入和输出设备|

## 运作原理

MCP服务器与IDE一起作为本地进程运行。它通过stdio(MCP协议)进行通信。所有处理都在您的机器上进行:

- **文本转语音**:Kokoro ONNX——快速神经TTS,54种声音,无需GPU
- **语音转文字**:更快的耳语——OpenAI whisper通过CTranslate2在本地运行
- **语音活动检测**:Silero VAD——用于干净录音的语音活动检测
- **音频**:mpv用于播放;CoreAudio通过macOS上的原生应用程序包(Linux上的声音设备回退)
- **媒体回避**:语音期间自动暂停Apple Music、Spotify和浏览器音频(macOS)

## 多会话

**克劳德代码:** 全面的多会话支持。多个Claude Code会话可以同时运行,每个会话都有自己的语音。会话身份通过Claude的 `session_id` --恢复会话会回收相同的语音,共享同一会话的多个终端共享相同的语音。孤立服务器会被自动检测和清理。

**光标/代码:** 仅限单次会议。Cursor每个配置运行一个MCP服务器(跨选项卡共享),Codex没有多会话挂钩。语音正常工作,只是没有多会话协调。

跨会话音频通过以下方式序列化 `flock` 以防止重叠播放。

## 配置

Config住在 `~/.local/share/voicesmith-mcp/config.json`.按键设置:```json
{
"main_agent": "Eric",
"tts": {
"default_voice": "am_eric",
"audio_player": "mpv",
"duck_media": true
},
"stt": {
"model_size": "base",
"language": "en",
"vad_threshold": 0.3,
"nudge_on_timeout": false
}
}
设置 说明 默认值
tts.duck_media 语音时自动暂停音乐/浏览器音频(macOS) true
stt.nudge_on_timeout 听完后说“我没听懂” false
stt.vad_threshold 语音检测灵敏度(较低=更灵敏) 0.3

重新运行 npx voicesmith-mcp install 更改您的语音或更新设置。保留现有配置,只添加新的默认值。

需求

  • Python 3.11+ (推荐3.11或3.12)
  • macOS (主平台)或Linux(部分支持)
  • 特定的 --Kokoro的音素后端
  • mpv --音频播放
  • 型号约500MB磁盘空间

> [!警告]
> Windows尚不受支持。 服务器使用Unix特定的功能(文件锁定、音频命令、进程检测)。计划支持Windows--请参阅 待办事项 了解详情。

支持的IDE

IDE 配置位置 规则位置 多会话
克劳德代码 ~/.claude.json ~/.claude/CLAUDE.md 是(通过session_id)
光标 ~/.cursor/mcp.json ~/.cursor/rules/voicesmith.mdc 否(单服务器)
食品法典委员会 ~/.codex/mcp.json ~/.codex/AGENTS.md 否(单次会议)

故障排除

AI听不见我(listen返回空或超时)

检查麦克风权限。 在macOS上,VoiceSmith使用本机应用程序包(VoiceSmithMCP.app)用于麦克风访问。首次录制时,macOS应显示应用程序的权限对话框。如果没有:

  1. 打开 系统设置>隐私和安全>麦克风
  2. 寻找 VoiceSmithMCP 并确保它已启用
  3. 如果未列出,则LaunchAgent可能未运行——请尝试重新安装: npx voicesmith-mcp install

> [!重要]
> 如果服务器检测到无声音频(约320ms为全零),它将返回一个错误,指向麦克风权限设置。这通常意味着macOS TCC拒绝麦克风访问。

检查您的音频输入设备。 如果选择了外部麦克风但未连接,服务器会打开它但会静音:

  • 打开 系统设置>声音>输入 并验证是否选择了正确的麦克风
  • 或者问AI: “服务器状态如何?” --检查一下 stt.loaded 和 vad.loaded 两者都 true

另一个应用程序正在使用麦克风。 Zoom、Teams或FaceTime等应用程序可以拥有独家麦克风访问权限。请关闭它们,然后重试。

声音对VAD来说太安静了。 语音活动检测器可能无法检测到软语音。您可以在中降低灵敏度阈值 ~/.local/share/voicesmith-mcp/config.json:```json
{
"stt": {
"vad_threshold": 0.2
}
}


值越低=越敏感。默认值为 `0.3`。更改后重新启动会话。

### AI不会说话

- 检查一下 **特定的** 和 **mpv** 已安装: `which espeak-ng mpv`
- 检查AI的状态:询问 *“你的声音状态如何?”*
- 如果静音,请说 *“取消静音”*

### AI用错误的声音说话

当另一个会话使用您的首选语音名称时,可能会发生这种情况。问AI: *“切换到Eric”* --它要么会切换,要么会告诉你有什么可用的。

## 卸载```bash
npx voicesmith-mcp uninstall
# or if installed via git clone:
./install.sh --uninstall

彻底删除所有文件、模型、MCP配置条目、语音规则、LaunchAgent和挂钩。

许可证

Apache 2.0

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Voicesmith MCP 怎么安装?

在客户端按下面的安装命令接入:npx voicesmith-mcp install。对应的包名是 voicesmith-mcp。装完在客户端配置里引用同一个包或端点。

Voicesmith MCP 怎么在 Claude、Cursor 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Voicesmith MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Voicesmith MCP 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Voicesmith MCP 支持哪些客户端?

资料标注支持 Claude、Cursor;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Voicesmith MCP 能提供哪些能力?

资料显示约 11 个工具;能力标签包括 语音合成、本地处理、Python、Claude。具体工具清单以官方文档为准。

Voicesmith MCP 需要什么运行环境?

运行时为 Node.js;属于本地进程,需要在本机装好运行环境。

Voicesmith MCP 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。