Advanced TTS MCP Server

Advanced TTS MCP Server

Um servidor MCP de Texto-para-Fala de alta qualidade e rico em recursos, com implementação nativa em TypeScript. Projetado para aplicações profissionais que exigem síntese de fala natural e expressiva, com controles avançados e zero dependências externas.

✨ Recursos

🎯 Controle Avançado de Voz

• 10 Vozes de Alta Qualidade - Vozes masculinas e femininas com personalidades distintas
• Controle de Emoção - Neutro, feliz, animado, calmo, sério, casual, confiante
• Ritmo Dinâmico - Modos natural, conversacional, apresentação, tutorial, narrativo
• Velocidade e Volume - Controle preciso de 0,25x a 3,0x na velocidade, 0,1x a 2,0x no volume

🚀 Capacidades Profissionais

• Áudio em Streaming - Síntese e reprodução em tempo real
• Processamento em Lote - Lida com múltiplos segmentos de texto de forma eficiente
• Múltiplos Formatos - Suporte a saída WAV, MP3, FLAC, OGG
• Aprimoramento Natural de Fala - Inserção automática de pausas e marcadores de emoção
• Gerenciamento de Fila - Lida com múltiplas solicitações concorrentes

🔧 Integração MCP

• 6 Ferramentas Poderosas - Síntese completa, processamento em lote, gerenciamento de voz
• 2 Recursos Ricos - Capacidades de voz e exemplos de uso
• Status em Tempo Real - Acompanhe o progresso do processamento e gerencie solicitações
• Gerenciamento de Arquivos - Salve, liste e organize saídas de áudio

🚀 Início Rápido

Opção 1: Implantar no Smithery.ai (Recomendado)

🎯 Implantação com Um Clique na Plataforma Smithery

1. Implantar Agora: Visite Smithery.ai e importe este repositório
2. Configurar: Defina suas preferências de voz e fala
3. Usar Imediatamente: Acesse via Claude Desktop ou qualquer cliente compatível com MCP

Benefícios:

• ✅ Nenhuma configuração necessária
• ✅ Escalonamento e atualizações automáticas
• ✅ Nenhum download de modelo necessário
• ✅ Hospedagem de nível empresarial

📋 Guia Completo de Implantação no Smithery →

Opção 2: Instalação Local

Pré-requisitos:

• Node.js 18+

Instalação:

1. Clone o repositório

git clone https://github.com/samihalawa/advanced-tts-mcp.git
cd advanced-tts-mcp

2. Instale as dependências

npm install

3. Configure o Claude Desktop

Adicione ao seu claude_desktop_config.json:

{
  "mcpServers": {
    "advanced-tts": {
      "command": "node",
      "args": ["dist/index.js"],
      "cwd": "/path/to/advanced-tts-mcp"
    }
  }
}

4. Comece a usar!

# Build TypeScript
npm run build

# Start server
npm start

Reinicie o Claude Desktop e comece a sintetizar com vozes naturais e expressivas.

🎙️ Vozes Disponíveis

ID da Voz	Nome	Gênero	Descrição
af_heart	Heart	Feminino	Voz calorosa e amigável (padrão)
af_sky	Sky	Feminino	Voz clara e brilhante
af_bella	Bella	Feminino	Voz elegante e sofisticada
af_sarah	Sarah	Feminino	Voz profissional e confiante
af_nicole	Nicole	Feminino	Voz gentil e suave
am_adam	Adam	Masculino	Voz forte e autoritária
am_michael	Michael	Masculino	Voz amigável e acessível
bf_emma	Emma	Feminino	Voz jovem e energética
bf_isabella	Isabella	Feminino	Voz madura e expressiva
bm_lewis	Lewis	Masculino	Voz profunda e ressonante

📚 Exemplos de Uso

Síntese Básica

# Simple text-to-speech
await synthesize_speech(
    text="Hello! Welcome to Advanced TTS.",
    voice_id="af_heart"
)

Expressão Emocional

# Excited announcement
await synthesize_speech(
    text="This is amazing news! You're going to love this new feature!",
    voice_id="af_heart",
    emotion="excited",
    pacing="conversational",
    speed=1.1
)

Apresentação Profissional

# Tutorial narration
await synthesize_speech(
    text="Step one: Open your browser. Step two: Navigate to the website.",
    voice_id="am_adam", 
    emotion="calm",
    pacing="tutorial",
    speed=0.9
)

Processamento em Lote

# Multiple segments with pauses
await batch_synthesize(
    segments=[
        "Welcome to our presentation.",
        "Today we'll cover three main topics.", 
        "Let's begin with the first topic."
    ],
    voice_id="af_sarah",
    emotion="confident",
    pacing="presentation",
    merge_output=True,
    segment_pause=1.0,
    save_file=True
)

🛠️ Ferramentas Disponíveis

synthesize_speech

Converta texto em fala natural com controle total sobre as características da voz.

Parâmetros:

• text - Texto a ser sintetizado (máx. 10.000 caracteres)
• voice_id - Seleção de voz (veja a tabela acima)
• speed - Taxa de fala (0,25-3,0)
• emotion - Emoção da voz (neutro, feliz, animado, calmo, sério, casual, confiante)
• pacing - Estilo de fala (natural, conversacional, apresentação, tutorial, narrativo, rápido, lento)
• volume - Volume do áudio (0,1-2,0)
• output_format - Formato do arquivo (wav, mp3, flac, ogg)
• save_file - Salvar em arquivo (booleano)
• filename - Nome de arquivo personalizado

batch_synthesize

Processe múltiplos segmentos de texto de forma eficiente, com opção de mesclagem.

Parâmetros:

• segments - Lista de segmentos de texto
• merge_output - Combinar em um único arquivo
• segment_pause - Pausa entre segmentos (0,0-5,0s)
• Todos os parâmetros de síntese acima

get_voices

Recupere informações completas sobre as vozes e suas capacidades.

get_status

Verifique o status do processamento de solicitações de síntese.

cancel_request

Cancele operações de síntese ativas.

list_output_files

Navegue pelos arquivos de áudio salvos com metadados.

🎛️ Controles de Voz

Emoções

• Neutro - Tom padrão e profissional
• Feliz - Expressão animada e alegre
• Animado - Entrega entusiástica e energética
• Calmo - Tom relaxado e suave
• Sério - Entrega formal e autoritária
• Casual - Estilo relaxado e conversacional
• Confiante - Tom seguro e profissional

Estilos de Ritmo

• Natural - Ritmo equilibrado, semelhante ao humano
• Conversacional - Ritmo de discussão casual
• Apresentação - Ritmo de fala profissional
• Tutorial - Entrega educacional e clara
• Narrativo - Ritmo de contação de histórias
• Rápido - Entrega rápida (1,2x velocidade base)
• Lento - Entrega deliberada (0,8x velocidade base)

🎵 Formatos de Áudio

Formato	Qualidade	Caso de Uso
WAV	Não comprimido	Maior qualidade, edição
MP3	Comprimido	Web, streaming, compartilhamento
FLAC	Sem perdas	Arquivamento, armazenamento de alta qualidade
OGG	Comprimido	Alternativa de código aberto

🔧 Configuração

Variáveis de Ambiente

# Model paths (optional)
KOKORO_MODEL_PATH=./kokoro-v1.0.onnx
KOKORO_VOICES_PATH=./voices-v1.0.bin

# Output settings
TTS_OUTPUT_DIR=./audio_output
TTS_MAX_QUEUE_SIZE=100

# Audio settings  
TTS_DEFAULT_VOICE=af_heart
TTS_ENABLE_STREAMING=true

Configuração do Servidor

config = ServerConfig(
    model_path="./kokoro-v1.0.onnx",
    voices_path="./voices-v1.0.bin", 
    output_dir="./audio_output",
    max_queue_size=100,
    enable_streaming=True,
    default_voice="af_heart"
)

🏗️ Arquitetura

├── src/advanced_tts/
│   ├── __init__.py          # Package initialization
│   ├── server.py            # MCP server implementation  
│   ├── engine.py            # Kokoro TTS engine wrapper
│   ├── models.py            # Data models and validation
│   └── utils.py             # Utility functions
├── pyproject.toml           # Project configuration
├── README.md               # Documentation
└── LICENSE                 # MIT License

🤝 Contribuindo

Contribuições são bem-vindas! Áreas para melhoria:

• Modelos de voz adicionais
• Síntese em streaming em tempo real
• Efeitos de áudio avançados
• Suporte a múltiplos idiomas
• Otimizações de desempenho

📄 Licença

Licença MIT - veja LICENSE para detalhes.

🙏 Agradecimentos

• Kokoro TTS - Síntese neural de voz de alta qualidade
• Protocolo MCP - Integração perfeita com modelos de IA
• FastMCP - Estrutura de servidor eficiente

---

Desenvolvido por Sami Halawa

Transforme seu texto em fala natural e expressiva com o Advanced TTS MCP Server.