Servidor MCP Kokoro TTS

Um servidor Model Context Protocol (MCP) que fornece capacidades de texto-para-fala usando o mecanismo Kokoro TTS. Este servidor expõe funcionalidades de TTS por meio de ferramentas MCP, facilitando a integração da síntese de fala em suas aplicações.

Pré-requisitos

Python 3.10 ou superior
Gerenciador de pacotes uv

Instalação

Primeiro, instale o gerenciador de pacotes uv:

curl -LsSf https://astral.sh/uv/install.sh | sh

Clone este repositório e instale as dependências:

uv venv
source .venv/bin/activate  # On Windows, use: .venv\Scripts\activate
uv pip install .

Recursos

Síntese de texto-para-fala com vozes personalizáveis
Velocidade de fala ajustável
Suporte para salvar áudio em arquivos ou reprodução direta
Suporte de reprodução de áudio multiplataforma (Windows, macOS, Linux)
Backend remoto opcional compatível com OpenAI (ex.: kokoro-fastapi) para descarregar a síntese para uma máquina com GPU

Uso

O servidor fornece uma única ferramenta MCP generate_speech com os seguintes parâmetros:

text (obrigatório): O texto a ser convertido em fala
voice (opcional): Voz a ser usada para síntese (padrão: "af_heart")
speed (opcional): Multiplicador de velocidade da fala (padrão: 1.0)
save_path (opcional): Diretório para salvar arquivos de áudio
play_audio (opcional): Se deve reproduzir o áudio imediatamente (padrão: False)

Exemplo de Uso

from mcp.client import Client

async with Client() as client:
    await client.connect("kokoro-tts")
    
    # Generate and play speech
    result = await client.call_tool(
        "generate_speech",
        {
            "text": "Hello, world!",
            "voice": "af_heart",
            "speed": 1.0,
            "play_audio": True
        }
    )

Backend remoto (compatível com OpenAI)

Por padrão, o servidor executa o Kokoro localmente. Se você já executa um endpoint TTS compatível com OpenAI, como kokoro-fastapi (útil para execução em GPU), aponte o servidor para ele usando variáveis de ambiente — sem necessidade de torch/kokoro local:

Variável	Padrão	Descrição
`KOKORO_BASE_URL`	(não definido)	URL base compatível com OpenAI, ex.: `http://localhost:8880/v1`. Quando definida, a síntese é enviada para cá em vez de ser executada localmente.
`KOKORO_API_KEY`	`not-needed`	Token Bearer, se o seu endpoint exigir um.
`KOKORO_MODEL`	`kokoro`	Nome do modelo passado ao endpoint.

Internamente, isso chama POST {KOKORO_BASE_URL}/audio/speech com o payload padrão do OpenAI (model, input, voice, speed, response_format: wav).

Docker

docker build -t kokoro-tts-mcp .
docker run --rm -i kokoro-tts-mcp

Para usar um backend remoto em vez de incluir o Kokoro:

docker run --rm -i -e KOKORO_BASE_URL=http://host.docker.internal:8880/v1 kokoro-tts-mcp

Dependências

kokoro >= 0.8.4
mcp[cli] >= 1.3.0
soundfile >= 0.13.1
httpx >= 0.27.0

Suporte de Plataforma

A reprodução de áudio é suportada em:

Windows (usando start)
macOS (usando afplay)
Linux (usando aplay)

Configuração MCP

Adicione a seguinte configuração ao seu arquivo de configurações MCP:

{
  "mcpServers": {
    "kokoro-tts": {
      "command": "/Users/giannisan/pinokio/bin/miniconda/bin/uv",
      "args": [
        "--directory",
        "/Users/giannisan/Documents/Cline/MCP/kokoro-tts-mcp",
        "run",
        "tts-mcp.py"
      ]
    }
  }
}

Kokoro TTS

Documentação