CHIVOX AI

TL;DR — LLMs não conseguem ouvir áudio. Chivox MCP é um servidor MCP hospedado que avalia pronúncia no nível de fonemas — tons de mandarim incluídos. Uma única tools/call retorna overall / accuracy / pron / fluency / details[].phone[] em um formato JSON estável sobre o qual seu modelo pode raciocinar. Não é STT. Não é um wrapper do Whisper.

English | 中文

---

English

🎯 Isso é para você?

A maioria das equipes de produção executa Whisper + Chivox juntos: Whisper para transcrever o que foi dito, Chivox para avaliar o quão bem. Eles não competem.

O que é isso?

O Chivox Speech Evaluation MCP Server expõe capacidades profissionais de avaliação de fala como ferramentas do Model Context Protocol (MCP). Conecte seu assistente de IA ao nosso serviço em nuvem e deixe-o avaliar a qualidade da pronúncia em inglês e chinês.

Endpoint do serviço: https://mcp-global.cloud.chivox.com

Recursos

• 16 ferramentas de avaliação — palavra, frase, parágrafo, fonética, leitura em tempo real e mais
• Inglês + Chinês — 10 ferramentas de inglês, 6 ferramentas de chinês
• Streaming em tempo real — avaliação de áudio ao vivo baseada em WebSocket
• Múltiplas entradas de áudio — URL, Base64 ou upload de arquivo
• Funciona em qualquer lugar — Claude Desktop, Cursor e qualquer cliente compatível com MCP
• Autenticação dupla — B2C (API Key) e B2B (JWT)

🚀 Início rápido

Endpoint hospedado: https://mcp-global.cloud.chivox.com · cada requisição precisa de Authorization: Bearer <api_key>. Obtenha uma chave →

Cliente	Configuração
Cursor	~/.cursor/mcp.json — MCP da IDE, zero instalação
LangChain	Agente LangGraph ReAct + adaptador MCP
OpenAI Agents SDK	agents.mcp.MCPServerStreamableHttp
Claude Desktop	Proxy local para streaming de microfone
Raw MCP SDK	Cliente Python mcp direto

Cursor (zero instalação)

// ~/.cursor/mcp.json
{
  "mcpServers": {
    "chivox-speech-eval": {
      "type": "streamable-http",
      "url": "https://mcp-global.cloud.chivox.com",
      "headers": { "Authorization": "Bearer <your_api_key>" }
    }
  }
}

LangChain

from langchain_mcp_adapters.client import MultiServerMCPClient
from langgraph.prebuilt import create_react_agent

client = MultiServerMCPClient({
    "chivox": {
        "transport": "streamable_http",
        "url": "https://mcp-global.cloud.chivox.com",
        "headers": {"Authorization": "Bearer <your_api_key>"},
    }
})
tools = await client.get_tools()  # discovers all 16 tools

agent = create_react_agent("openai:gpt-4o-mini", tools)
result = await agent.ainvoke({"messages": [(
    "user",
    "Score https://example.com/audio/sentence.mp3, ref: I think therefore I am",
)]})

OpenAI Agents SDK

from agents import Agent, Runner
from agents.mcp import MCPServerStreamableHttp

chivox = MCPServerStreamableHttp(
    params={
        "url": "https://mcp-global.cloud.chivox.com",
        "headers": {"Authorization": "Bearer <your_api_key>"},
    },
    name="chivox-speech-eval",
)

async with chivox:
    agent = Agent(
        name="coach",
        instructions="Professional speaking coach",
        mcp_servers=[chivox],
    )
    r = await Runner.run(
        agent,
        "Score https://example.com/audio/sentence.mp3, ref: I think therefore I am",
    )
    print(r.final_output)

Claude Desktop (streaming de microfone via proxy local)

npm install -g chivox-local-mcp

// ~/Library/Application Support/Claude/claude_desktop_config.json
{
  "mcpServers": {
    "chivox": {
      "command": "chivox-local-mcp",
      "env": {
        "MCP_REMOTE_URL": "https://mcp-global.cloud.chivox.com",
        "MCP_API_KEY": "<your_api_key>"
      }
    }
  }
}

Raw MCP SDK

import asyncio
from mcp.client.streamable_http import streamablehttp_client
from mcp import ClientSession

async def main():
    async with streamablehttp_client(
        "https://mcp-global.cloud.chivox.com",
        headers={"Authorization": "Bearer <your_api_key>"},
    ) as (r, w, _):
        async with ClientSession(r, w) as s:
            await s.initialize()
            out = await s.call_tool("en_sentence_eval", {
                "ref_text": "I think therefore I am",
                "audio_url": "https://example.com/audio/sentence.mp3",
            })
            print(out)

asyncio.run(main())

Mais clientes (Claude Code, Windsurf, Zed, Mastra, modo function-calling) → docs → Clientes

🧠 O que o LLM realmente vê

Cada ferramenta retorna a mesma estrutura de nível superior — altere o idioma ou a granularidade sem nenhum trabalho de schema. Exemplo para "hello":

{
  "overall": 85,
  "accuracy": 82,
  "pron": 88,
  "integrity": 95,
  "fluency": { "overall": 78, "speed": 65, "pause": 2 },
  "details": [
    {
      "char": "hello",
      "score": 85,
      "phone": [
        { "phoneme": "h",  "score": 90, "dp_type": "normal" },
        { "phoneme": "ɛ",  "score": 82, "dp_type": "normal" },
        { "phoneme": "l",  "score": 88, "dp_type": "normal" },
        { "phoneme": "oʊ", "score": 80, "dp_type": "normal" }
      ]
    }
  ]
}

Para pronúncias incorretas em inglês, phoneme_error: { expected, actual } é incluído. O mandarim adiciona tone_ref / tone_detected com vereditos de dp_type com consciência de sandhi. Lista completa de campos →

🛠️ Catálogo de ferramentas

Áudio inline: passe audio_url ou audio_base64 na chamada da ferramenta — sem round-trip de upload. Formatos: mp3 · wav · ogg · m4a · aac · pcm.

Avaliação em Inglês

Ferramenta	Descrição	core_type
en_word_eval	Pontuação de pronúncia de palavras	en.word.score
en_word_correction	Correção de pronúncia de palavras	en.word.pron
en_phonics_eval	Avaliação de fonética	en.nsp.score
en_sentence_eval	Avaliação de leitura de frases	en.sent.score
en_sentence_correction	Correção de pronúncia de frases	en.sent.pron
en_vocab_eval	Avaliação de múltiplas palavras	en.vocabs.pron
en_paragraph_eval	Avaliação de leitura de parágrafos	en.pred.score
en_realtime_eval	Avaliação de leitura em tempo real	en.rltm.score
en_choice_eval	Avaliação de escolha oral	en.choc.score
en_semi_open_eval	Avaliação de pergunta semiaberta	en.scne.exam

Avaliação em Chinês

Ferramenta	Descrição	core_type
cn_word_pinyin_eval	Pontuação de pronúncia de pinyin	cn.word.score
cn_word_raw_eval	Pontuação de pronúncia de caracteres	cn.word.raw
cn_sentence_eval	Avaliação de leitura de frases	cn.sent.raw
cn_paragraph_eval	Avaliação de leitura de parágrafos	cn.pred.raw
cn_rec_eval	Reconhecimento de ramificação limitada	cn.rec.raw
cn_aitalk_eval	AI Talk — avaliação de expressão oral	cn.recscore.raw

Avaliação em Streaming

Ferramenta	Descrição
create_stream_session	Cria uma sessão de streaming, retorna session_id e URL do WebSocket

🔌 Transporte duplo

Duas maneiras de enviar áudio — mesma forma de resultado, UX diferente. Fallback de function-calling: fc-global.cloud.chivox.com.

⚖️ Como se compara

Regra prática — use Whisper para saber o que foi dito; use Chivox para saber quão bem. Eles se complementam.

💬 …e aqui está o que seu LLM faz com isso

Envie esse JSON diretamente para qualquer modelo de chat com um prompt de sistema de uma linha — "Você é um coach de pronúncia acolhedor. Diagnostique, depois treine." — e você recebe uma lição real de volta. Sem fine-tuning. Sem compreensão de áudio. Apenas chat.completion.

Por que isso funciona — o LLM nunca "ouviu" o áudio. O JSON nomeia o problema em campos que ele já entende (dp_type: "mispron", phoneme_error.actual, tone_ref vs tone_detected), então um chat.completion comum pode diagnosticar como um professor humano.

🔁 O loop de três estágios

🎤 Entrada: gravação de 1 minuto do aluno → Saída: feedback acolhedor + exercício direcionado, de ponta a ponta em < 1,6 segundos.

🏮 A vantagem: um tutor de mandarim incansável

Mais de 30 milhões de alunos no mundo todo estudam mandarim — incluindo falantes de herança e adultos iniciantes — mas poucas plataformas avaliam erros de tom (mā / má / mǎ / mà) no nível de fonemas em inglês. O motor de chinês da Chivox é treinado com os mesmos dados que alimentam o Teste de Proficiência em Putonghua da China (普通话水平测试, PSC).

🇬🇧 E sim — inglês com padrão de exame também

Rubricas com padrão de exame nos mesmos endpoints MCP: IELTS · TOEFL · Cambridge YLE · avaliações de leitura K-12 para inglês, além de pontuação de mandarim alinhada ao PSC. Mesma forma JSON, mais de 20 dimensões de pontuação — basta alterar ref_text e accent.

💎 Por que desenvolvedores usam Chivox MCP

Além disso: modos streaming + inline · TLS 1.3 de ponta a ponta · áudio descartado após a avaliação (JSON retido por 30 dias) · on-prem disponível para empresas · limites e privacidade →

💳 Preços

Padrões honestos. Comece com 600 chamadas gratuitas (30 dias) e todas as 16 ferramentas desbloqueadas — sem bloqueios de recursos, sem cartão. Quando precisar de mais, pague por chamada bem-sucedida com tarifas em camadas — quanto mais você usa, mais barata fica cada chamada.

Plano gratuito ≠ plano limitado. Toda nova conta recebe 600 chamadas gratuitas válidas por 30 dias com o catálogo completo de 16 ferramentas — mesmo motor, mesmo JSON, mesmo SLA das chaves pagas. Após o período de teste ou quando as chamadas acabarem, recarregue a partir de US$ 10 e deixe as camadas de volume fazerem o resto. Chamadas com falha nunca são cobradas.

❓ FAQ

Isso é apenas mais um wrapper do Whisper? Não. O Whisper transcreve; o Chivox avalia. O motor é treinado com amostras avaliadas em exames e retorna details[].phone[] no nível de fonemas — não uma transcrição. A maioria das equipes usa ambos.

Funciona offline / no dispositivo? O servidor MCP hospedado precisa de acesso de saída ao motor de avaliação. Para implantações isoladas, entre em contato conosco — enviamos um contêiner on-prem para clientes empresariais.

E dialetos e sotaques? O mandarim tem como alvo o Pǔtōnghuà padrão com vereditos de tom com consciência de sandhi. O inglês suporta rubricas en-US, en-GB e en-AU por meio de parâmetros de localidade nas ferramentas relevantes.

Quais LLMs funcionam prontos para uso? Qualquer modelo com function calling no estilo OpenAI: GPT-4o / 5.x, Claude Sonnet / Opus, Gemini, DeepSeek, GLM, Kimi, Doubao, Qwen. Os schemas das ferramentas são encaminhados literalmente.

Posso usar isso no navegador? Para demonstrações rápidas, sim — mas o tráfego de produção deve passar pelo seu backend para que a chave de API permaneça no lado do servidor. Notas de privacidade →

Fluxo de Streaming

1. Create session    →  tools/call: create_stream_session
                         ↓ returns ws_url
2. Connect WebSocket →  wss://{ws_url}/ws/audio/{session_id}
                         ↓
3. Send audio frames →  Binary frames (8KB chunks recommended)
                         ↓
4. Stop & get result →  Send {"cmd": "stop"}, receive final scores

Exemplos

Exemplo	Descrição
Customer Proxy Server	Servidor Python Flask que faz proxy seguro de chamadas MCP (mantém a API Key no lado do servidor)
Claude Desktop Config	Guia de configuração para Claude Desktop
Cursor Config	Guia de configuração para Cursor
Quick Test Scripts	Scripts de teste mínimos em Python, Node.js e curl

Documentação

• Referência da API — Documentação completa do protocolo, autenticação, parâmetros de ferramentas e detalhes de streaming

Suporte

• Site: chivox.com
• Problemas: GitHub Issues

---

中文

🎯 适合场景

多数生产团队 Whisper + 驰声一起用：Whisper 识别说了什么，驰声评估说得怎么样。两者互补。

简介

驰声语音评测 MCP 服务基于 Model Context Protocol (MCP) 标准，将专业语音评测能力封装为 MCP 工具，供 AI 客户端（Claude Desktop、Cursor 等）直接调用。

服务地址： https://mcp-global.cloud.chivox.com

功能特性

• 16 种评测工具 — 单词、句子、段落、自然拼读、实时朗读等
• 中英文双语 — 10 种英文评测 + 6 种中文评测
• 实时流式评测 — 通过 WebSocket 实时推送音频，获取评测结果
• 多种音频输入 — 支持 URL、Base64 编码、文件上传
• 广泛兼容 — 支持 Claude Desktop、Cursor 及任何 MCP 兼容客户端
• 双认证模式 — B2C（API Key）和 B2B（JWT 签名）

🚀 快速开始

服务地址：https://mcp-global.cloud.chivox.com · 每个请求需携带 Authorization: Bearer <api_key>。获取 Key →

客户端	接入方式
Cursor	~/.cursor/mcp.json — IDE MCP，零安装
LangChain	LangGraph ReAct agent + MCP 适配器
OpenAI Agents SDK	agents.mcp.MCPServerStreamableHttp
Claude Desktop	本地代理，支持麦克风流式传输
Raw MCP SDK	直接使用 mcp Python 客户端

Cursor (零安装)

// ~/.cursor/mcp.json
{
  "mcpServers": {
    "chivox-speech-eval": {
      "type": "streamable-http",
      "url": "https://mcp-global.cloud.chivox.com",
      "headers": { "Authorization": "Bearer <your_api_key>" }
    }
  }
}

LangChain

from langchain_mcp_adapters.client import MultiServerMCPClient
from langgraph.prebuilt import create_react_agent

client = MultiServerMCPClient({
    "chivox": {
        "transport": "streamable_http",
        "url": "https://mcp-global.cloud.chivox.com",
        "headers": {"Authorization": "Bearer <your_api_key>"},
    }
})
tools = await client.get_tools()  # 自动发现全部 16 个工具

agent = create_react_agent("openai:gpt-4o-mini", tools)
result = await agent.ainvoke({"messages": [(
    "user",
    "评测 https://example.com/audio/sentence.mp3，参考文本：I think therefore I am",
)]})

OpenAI Agents SDK

from agents import Agent, Runner
from agents.mcp import MCPServerStreamableHttp

chivox = MCPServerStreamableHttp(
    params={
        "url": "https://mcp-global.cloud.chivox.com",
        "headers": {"Authorization": "Bearer <your_api_key>"},
    },
    name="chivox-speech-eval",
)

async with chivox:
    agent = Agent(
        name="coach",
        instructions="专业口语教练",
        mcp_servers=[chivox],
    )
    r = await Runner.run(
        agent,
        "评测 https://example.com/audio/sentence.mp3，参考文本：I think therefore I am",
    )
    print(r.final_output)

Claude Desktop （本地代理 + 麦克风流式传输）

npm install -g chivox-local-mcp

// ~/Library/Application Support/Claude/claude_desktop_config.json
{
  "mcpServers": {
    "chivox": {
      "command": "chivox-local-mcp",
      "env": {
        "MCP_REMOTE_URL": "https://mcp-global.cloud.chivox.com",
        "MCP_API_KEY": "<your_api_key>"
      }
    }
  }
}

Raw MCP SDK

import asyncio
from mcp.client.streamable_http import streamablehttp_client
from mcp import ClientSession

async def main():
    async with streamablehttp_client(
        "https://mcp-global.cloud.chivox.com",
        headers={"Authorization": "Bearer <your_api_key>"},
    ) as (r, w, _):
        async with ClientSession(r, w) as s:
            await s.initialize()
            out = await s.call_tool("en_sentence_eval", {
                "ref_text": "I think therefore I am",
                "audio_url": "https://example.com/audio/sentence.mp3",
            })
            print(out)

asyncio.run(main())

更多客户端（Claude Code、Windsurf、Zed、Mastra、function-calling 模式）→ 文档 → 客户端

🧠 LLM 看到的数据

每个工具返回 统一的顶层结构 — 切换语种或粒度无需修改 schema。以 "hello" 为例：

{
  "overall": 85,
  "accuracy": 82,
  "pron": 88,
  "integrity": 95,
  "fluency": { "overall": 78, "speed": 65, "pause": 2 },
  "details": [
    {
      "char": "hello",
      "score": 85,
      "phone": [
        { "phoneme": "h",  "score": 90, "dp_type": "normal" },
        { "phoneme": "ɛ",  "score": 82, "dp_type": "normal" },
        { "phoneme": "l",  "score": 88, "dp_type": "normal" },
        { "phoneme": "oʊ", "score": 80, "dp_type": "normal" }
      ]
    }
  ]
}

英文错误发音会包含 phoneme_error: { expected, actual }。中文额外提供 tone_ref / tone_detected 及变调感知的 dp_type 判定。完整字段列表 →

🛠️ 工具一览

内联音频： 在工具调用中直接传入 audio_url 或 audio_base64 — 无需额外上传。支持格式： mp3 · wav · ogg · m4a · aac · pcm。

英文评测

工具名	说明	core_type
en_word_eval	单词评测 — 总分及每个音标得分	en.word.score
en_word_correction	单词纠音 — 发音纠正建议	en.word.pron
en_phonics_eval	自然拼读评测	en.nsp.score
en_sentence_eval	句子评测 — 流利度、准确度、完整度	en.sent.score
en_sentence_correction	句子纠音	en.sent.pron
en_vocab_eval	词语评测	en.vocabs.pron
en_paragraph_eval	段落评测 — 每句、每词得分	en.pred.score
en_realtime_eval	实时朗读评测	en.rltm.score
en_choice_eval	口语选择题评测	en.choc.score
en_semi_open_eval	半开放题评测	en.scne.exam

中文评测

Nome da ferramenta	Descrição	core_type
cn_word_pinyin_eval	Avaliação de Pinyin — pontuação total, inicial, final e tom	cn.word.score
cn_word_raw_eval	Avaliação de caracteres chineses	cn.word.raw
cn_sentence_eval	Avaliação de palavras e frases — pontuação total, tom, precisão e fluência	cn.sent.raw
cn_paragraph_eval	Avaliação de parágrafos	cn.pred.raw
cn_rec_eval	Reconhecimento de ramificação limitada	cn.rec.raw
cn_aitalk_eval	AI Talk — reconhece e avalia expressões orais	cn.recscore.raw

Avaliação em streaming

Nome da ferramenta	Descrição
create_stream_session	Cria uma sessão de avaliação em streaming, retorna session_id e endereço WebSocket

🔌 Modo de transmissão dupla

Duas formas de transmitir áudio — estrutura de retorno idêntica, experiência diferente. Endereço alternativo para function-calling: fc-global.cloud.chivox.com.

⚖️ Comparação de soluções

Regra prática — Use Whisper para saber o que foi dito; use Chivox para saber como foi dito. Ambos podem ser usados em conjunto.

💬 Como o LLM utiliza os resultados da avaliação

Envie o JSON diretamente para qualquer modelo de conversação, com uma instrução de sistema — "Você é um coach de pronúncia acolhedor, primeiro diagnostique, depois pratique." — e obtenha feedback pedagógico real. Sem fine-tuning, sem compreensão de áudio, apenas chat.completion.

Por que funciona — O LLM nunca "ouviu" o áudio. O JSON nomeia os problemas com campos que o modelo já entende (dp_type: "mispron", phoneme_error.actual, tone_ref vs tone_detected), então o chat.completion nativo consegue diagnosticar como um professor humano.

🔁 Ciclo fechado em três etapas

🎤 Entrada: 1 minuto de gravação do aprendiz → Saída: feedback acolhedor + exercícios direcionados, ponta a ponta em < 1,6 segundos.

🏮 Vantagem central: um tutor incansável de mandarim

Mais de 30 milhões de aprendizes no mundo estudam mandarim — incluindo herdeiros da diáspora chinesa e adultos iniciantes — mas poucas plataformas conseguem avaliar erros de tom no nível fonêmico (mā / má / mǎ / mà). O motor de chinês da Chivox é treinado com os mesmos dados do Teste de Proficiência em Mandarim da China (PSC).

🇬🇧 Avaliação de inglês em nível de exame, igualmente excelente

O mesmo endpoint MCP oferece padrões de avaliação em nível de exame: inglês suporta IELTS · TOEFL · Cambridge YLE · Avaliação de leitura K-12, e chinês alinhado ao PSC. Estrutura JSON unificada, mais de 20 dimensões de avaliação — basta trocar ref_text e accent.

💎 Por que desenvolvedores escolhem o MCP da Chivox

Além disso: streaming + inline em modo duplo · TLS 1.3 criptografia de ponta a ponta · áudio excluído após avaliação (JSON retido por 30 dias) · implantação privada para clientes empresariais · Limitações e privacidade →

💳 Preços

Uma política padrão justa. Ao se registrar, você ganha 600 chamadas gratuitas (válidas por 30 dias), com todos os 16 recursos desbloqueados — sem limitações de funcionalidade, sem necessidade de cartão de crédito. Quando precisar de mais, a cobrança é por chamada bem-sucedida, com tarifas escalonadas — quanto mais você usa, menor o preço unitário.

Versão gratuita ≠ versão limitada. Cada nova conta recebe 600 chamadas gratuitas (válidas por 30 dias), com catálogo completo de 16 ferramentas — motor, JSON e SLA idênticos à versão paga. Após o período de teste ou quando esgotar, recarregue com apenas $10 e aproveite descontos escalonados. Chamadas com falha não são cobradas.

❓ Perguntas frequentes

Isso é mais um wrapper do Whisper? Não. O Whisper faz transcrição de fala para texto; a Chivox faz avaliação de pronúncia. O motor é treinado com amostras de avaliação de exames e retorna details[].phone[] no nível fonêmico — não texto transcrito. A maioria das equipes usa ambos.

Suporta implantação offline/on-premise? O serviço MCP hospedado precisa de conexão com o motor de avaliação. Para implantação em ambiente isolado, entre em contato conosco — oferecemos contêineres privados para clientes empresariais.

Suporta dialetos e sotaques? O alvo do chinês é o mandarim padrão, com detecção de tom sensível a variações. O inglês suporta padrões de avaliação en-US, en-GB e en-AU por meio de parâmetros da ferramenta.

Quais LLMs podem ser usados diretamente? Qualquer modelo que suporte function calling no estilo OpenAI: GPT-4o / 5.x, Claude Sonnet / Opus, Gemini, DeepSeek, GLM, Kimi, Doubao, Qwen. O schema da ferramenta é transmitido sem alterações.

Posso usar no navegador? Para demonstrações rápidas, sim, mas em produção encaminhe pelo backend para garantir que a API Key permaneça no servidor. Nota de privacidade →

Fluxo de avaliação em streaming

1. 创建会话      →  tools/call: create_stream_session
                      ↓ 返回 ws_url
2. 连接 WebSocket →  wss://{ws_url}/ws/audio/{session_id}
                      ↓
3. 推送音频帧     →  二进制帧（建议每帧 8KB）
                      ↓
4. 停止并获取结果 →  发送 {"cmd": "stop"}，接收最终评分

Exemplos

Exemplo	Descrição
Servidor proxy do cliente	Serviço proxy Python Flask, retransmissão segura da API Key
Configuração do Claude Desktop	Guia de integração com Claude Desktop
Configuração do Cursor	Guia de integração com Cursor
Script de teste rápido	Exemplos mínimos de chamada em Python, Node.js e curl

Documentação

• Documentação da API — protocolo completo, autenticação, parâmetros de ferramentas e instruções de avaliação em streaming

Suporte

• Site oficial: chivox.com
• Relatar problemas: GitHub Issues

---

🤝 Dê uma estrela · diga oi

---

Licença

O código de exemplo e a documentação neste repositório estão licenciados sob a Licença MIT.

O Serviço MCP de Avaliação de Fala da Chivox é um produto comercial. Visite o Portal da API Chivox para acesso ao serviço e preços.