voicevox_mcp_light

voicevox_mcp_light

0
communicationentertainment_and_media

The Voicevox MCP Server project provides a Model Context Protocol (MCP) server for speech synthesis using the Voicevox Engine. It supports text-to-speech conversion through AI tools and adheres to the MCP protocol. The project is designed for those needing customizable speech synthesis solutions compliant with modern standards.

Voicevox MCP Server

Model Context Protocol (MCP)に準拠したVoicevoxクライアントサーバー

概要

  • このプロジェクトは、Voicevox Engineを利用して音声合成を行い、その結果を再生するMCPサーバーを提供します。CursorやClineなどのAIツールから呼び出し可能なエンドポイントを提供し、テキストを音声に変換して再生する機能を実現します。
  • 注意）voicevoxのデフォルトの仕様ですが、英単語や全て英文字一字毎にアルファベットを発声します。回避するには、独自辞書を用意し登録する場合と、投入するテキストに単語をカタカナ化する方法の2通り存在します。

LLMにカタカナ語に自動変換を指示しても現時点では全ては上手くはいかないかと思います。独自辞書作成インタフェースは現時点では未実装です。

機能

  • テキストから音声クエリ（Audio Query）への変換
  • 音声クエリからWAVデータへの変換
  • 生成した音声データの再生
  • MCPプロトコルに準拠したJSON-RPC over stdioインターフェース

必要条件

  • Python 3.10以上
  • Voicevox Engine（ローカルまたはリモートで実行中）
  • 必要なPythonパッケージ（requirements.txtを参照）

インストール

  1. リポジトリをクローン

    git clone https://github.com/yourusername/voicevox-mcp-vc1.git
cd voicevox-mcp-vc1

  2. 依存関係のインストール

    uv sync

  3. Voicevox Engineの起動

    # CPU版 Dockerを使用する場合
docker pull voicevox/voicevox_engine:cpu-latest
docker run --rm -p '127.0.0.1:50021:50021' voicevox/voicevox_engine:cpu-latest

    # GPU版 Dockerを使用する場合
docker pull voicevox/voicevox_engine:nvidia-latest
docker run --rm --gpus all -p '127.0.0.1:50021:50021' voicevox/voicevox_engine:nvidia-latest

使用方法

CLINE / Roo code

{
  "mcpServers": {
    "voicevox-mcp-light": {
      "disabled": false,
      "command": "uv",
      "args": [
        "run",
        "--directory",
        "/full path/voicevox_mcp_light/",
        "python",
        "-m",
        "src.main"
      ],
      "transportType": "stdio",
      "alwaysAllow": [],
      "env": {
        "PULSE_SERVER": "/run/user/1000/pulse/native"
      }
    }
  }
}

    "voicevox-mcp-light": {
      "disabled": false,
      "command": "/full path/uv",
      "args": [
        "run",
        "--directory",
        "/full path/voicevox_mcp_light/",
        "python",
        "-m",
        "src.main",
        "--speaker",
        "8"
      ],
      "transportType": "stdio",
      "alwaysAllow": [],
      "env": {
        "PULSE_SERVER": "/run/user/1000/pulse/native"
      }
    }
  • PULSE_SERVER の内容は下記コマンドで調べた結果を転記してください
# パルスオーディオのステータスを確認
pactl info

Windows / Mac の場合は env の中身は不要とClaude回答でした。現在未テストです。 Ubuntu 22.04 で開発テストを実施。

Roo codeの場合、MCP CLientがDEBUG情報を吐き出します。これは開発時にデバッグ情報をLLMに埋め込ませたことによるもので、放置していますのでご容赦ください。CLINEでは表示されません。 Claude Desktopでは現時点未検証です。

オプション
  • --host: Voicevox EngineのホストIPアドレス（デフォルト: 127.0.0.1）
  • --port: Voicevox Engineのポート番号（デフォルト: 50021）
  • --speaker: 音声モデルID（デフォルト: 3） 音声モデルID を参照してください。

MCPクライアントからの使用

このサーバーは、MCPプロトコルに準拠したJSON-RPC over stdioインターフェースを提供します。 Claude DesktopやCursorなどのMCPクライアントから以下のように使用できます：

# MCPサーバーのインストール（Claude Desktopの場合）
mcp install src/main.py

# ツールの呼び出し例
synthesizeAndPlay(message="こんにちは、世界！")

開発

テストの実行

python -m pytest

コードスタイル

このプロジェクトはPEP 8コーディング規約に従っています。

ライセンス

謝辞