ElevenLabs MCP Server

Co dělá “ElevenLabs” MCP Server?

ElevenLabs MCP Server je server typu Model Context Protocol (MCP), který integruje ElevenLabs text-to-speech API do vývojových workflow AI. Funguje jako most, který umožňuje asistentům a AI agentům generovat vysoce kvalitní audio z textu, spravovat možnosti hlasů a sledovat historii generovaného audia—vše prostřednictvím standardizovaných MCP rozhraní. Server podporuje více hlasů, správu částí skriptů a trvalé úložiště pomocí SQLite, což jej činí vhodným pro robustní úlohy syntézy hlasu. Součástí je také ukázkový SvelteKit MCP klient pro správu a interakci s těmito funkcemi přes webové rozhraní. Díky zpřístupnění generování hlasu jako nástroje a zdroje zvyšuje ElevenLabs MCP Server automatizaci, přístupnost a kontextovou vnímavost v AI aplikacích.

Seznam promptů

V repozitáři nebo dokumentaci nejsou uvedeny žádné explicitní šablony promptů.

Seznam zdrojů

• Historie hlasu: Trvalé ukládání historie generovaného hlasu/audia pomocí SQLite, což umožňuje uživatelům sledovat a znovu přehrávat dříve vytvořené audio.
• Možnosti hlasu: Poskytuje přístup k dostupným hlasovým modelům ElevenLabs a možnostem nastavení pro správu a výběr.
• Stahování audio souborů: Umožňuje uživatelům stahovat vygenerované audio soubory pro offline použití nebo integraci do jiných aplikací.

Seznam nástrojů

• Generování audia z textu: Převádí vstupní text na řeč pomocí ElevenLabs API, podporuje více hlasových modelů a možnosti přizpůsobení.
• Správa vícedílných skriptů: Umožňuje generovat a spravovat audio pro skripty rozdělené na více částí a tím zjednodušuje úlohy dlouhé syntézy hlasu.
• Přehrávání historie hlasu: Umožňuje přehrávat dříve vygenerované audio přímo z uložené historie, což zvyšuje uživatelský komfort a produktivitu.

Použití tohoto MCP Serveru

• Automatizace text-to-speech: Rychle převádějte obsah založený na textu na vysoce kvalitní audio pro podcasty, audioknihy nebo přístupnost a snižte manuální práci.
• Vývoj hlasových asistentů: Integrujte realistické hlasové odpovědi do AI asistentů pro přirozenější interakci člověk-stroj.
• Lokalizace obsahu: Generujte audio výstupy v různých hlasech nebo akcentu pro lokalizaci produktů a služeb bez nutnosti najímat více hlasových herců.
• Generování skriptovaných dialogů: Efektivně spravujte a produkujte vícedílné skripty pro hry, storytelling nebo e-learningové platformy.
• Správa historie generování hlasu: Sledujte a opakovaně používejte dříve vygenerované audio klipy, což zjednodušuje revize a zajišťuje konzistenci.

Jak jej nastavit

Windsurf

1. Ujistěte se, že máte nainstalovaný Node.js.

2. Najděte konfigurační soubor Windsurf MCP (např. windsurf_mcp_settings.json).

3. Přidejte konfiguraci ElevenLabs MCP Serveru:

   {
     "mcpServers": {
       "elevenlabs": {
         "command": "uvx",
         "args": ["elevenlabs-mcp-server"],
         "env": {
           "ELEVENLABS_API_KEY": "váš-api-klíč",
           "ELEVENLABS_VOICE_ID": "vaše-id-hlasu"
         }
       }
     }
   }
   

4. Uložte soubor a restartujte Windsurf.

5. Ověřte, že se ElevenLabs MCP Server objevil jako nástroj v rozhraní.

Claude

1. Požadavek: Nainstalujte Node.js.

2. Otevřete svůj konfigurační soubor Claude MCP (např. cline_mcp_settings.json).

3. Přidejte ElevenLabs MCP Server pomocí:

   {
     "mcpServers": {
       "elevenlabs": {
         "command": "uvx",
         "args": ["elevenlabs-mcp-server"],
         "env": {
           "ELEVENLABS_API_KEY": "váš-api-klíč",
           "ELEVENLABS_VOICE_ID": "vaše-id-hlasu"
         }
       }
     }
   }
   

4. Uložte a restartujte Claude Desktop.

5. Ověřte, že je ElevenLabs MCP Server dostupný jako nástroj.

Cursor

1. Ujistěte se, že je Node.js nainstalován ve vašem systému.

2. Otevřete konfigurační soubor MCP serveru pro Cursor.

3. Vložte následující JSON konfiguraci:

   {
     "mcpServers": {
       "elevenlabs": {
         "command": "uvx",
         "args": ["elevenlabs-mcp-server"],
         "env": {
           "ELEVENLABS_API_KEY": "váš-api-klíč",
           "ELEVENLABS_VOICE_ID": "vaše-id-hlasu"
         }
       }
     }
   }
   

4. Uložte konfiguraci a restartujte Cursor.

5. Zkontrolujte dostupnost ElevenLabs MCP Serveru.

Cline

1. Požadavek: Node.js nainstalován.

2. Otevřete MCP konfigurační soubor Cline (např. cline_mcp_settings.json).

3. Přidejte ElevenLabs MCP Server:

   {
     "mcpServers": {
       "elevenlabs": {
         "command": "uvx",
         "args": ["elevenlabs-mcp-server"],
         "env": {
           "ELEVENLABS_API_KEY": "váš-api-klíč",
           "ELEVENLABS_VOICE_ID": "vaše-id-hlasu"
         }
       }
     }
   }
   

4. Uložte a restartujte Cline.

5. Ověřte, že je ElevenLabs MCP Server dostupný.

Zabezpečení API klíčů:
Všechny citlivé hodnoty, jako je váš API klíč, ukládejte do proměnných prostředí pomocí pole env ve vaší JSON konfiguraci:

"env": {
  "ELEVENLABS_API_KEY": "váš-api-klíč",
  "ELEVENLABS_VOICE_ID": "vaše-id-hlasu"
}

Nikdy nevkládejte tajné údaje přímo do veřejných souborů.

Jak tento MCP použít ve flow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do vašeho workflowu ve FlowHunt začněte přidáním MCP komponenty do svého flow a propojením s AI agentem:

Klikněte na komponentu MCP pro otevření konfiguračního panelu. V sekci systémové konfigurace MCP vložte údaje o vašem MCP serveru v tomto formátu JSON:

{
  "elevenlabs": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po konfiguraci může AI agent nyní využívat tento MCP jako nástroj se všemi jeho funkcemi a možnostmi. “elevenlabs” nahraďte skutečným názvem vašeho MCP serveru a adresu URL adresou vašeho serveru.

Přehled

| Roots Support | ⛔ | Nezmíněno |

Tento MCP server bych hodnotil 7/10. Má jasný účel, praktické nástroje a zdroje a solidní dokumentaci k nastavení, ale postrádá informace o šablonách promptů, roots a sampling supportu.

MCP Skóre