Kokoro TTS MCP Server

Hvad laver “Kokoro TTS” MCP Server?

Kokoro Text to Speech (TTS) MCP Server er en Model Context Protocol (MCP) server, som gør det muligt for AI-assistenter og klienter at generere høj-kvalitets tale fra tekstinput. Ved at forbinde AI-workflows med denne server kan brugere konvertere tekst til .mp3-filer og eventuelt uploade dem til Amazon S3 eller kompatibel lagerplads. Kokoro TTS udnytter avancerede modeller (via HuggingFace spaces og ONNX weights) til at tilbyde tilpasselige stemmer, hastigheder og sprog, så tekst-til-tale nemt kan integreres i udviklingsmiljøer, chatbots eller automatiseringspipeline. Denne MCP-server er især værdifuld i situationer, hvor syntetisk tale er nødvendig til tilgængelighed, notifikationer eller indholdsskabelse.

Liste over Prompts

Ingen eksplicitte prompt-skabeloner er dokumenteret i repositoriet.

Liste over Ressourcer

Ingen eksplicitte ressourcer er dokumenteret i repository-filer eller README.

Liste over Værktøjer

• Tekst-til-tale-generering
  Konverterer inputtekst til en .mp3-lydfil ved brug af Kokoro TTS-modeller. Tilbyder konfiguration af stemme, hastighed og sprog.
• S3-upload
  Kan valgfrit uploade genererede .mp3-filer til en angivet Amazon S3 bucket/mappe, hvis dette er aktiveret i konfigurationen.
• Lokal MP3-håndtering
  Gemmer genererede .mp3-filer i en angivet lokal mappe og kan automatisk slette dem efter upload eller en opbevaringsperiode.

Anvendelsestilfælde for denne MCP Server

• Tilgængelighedsløsninger:
  Integrer Kokoro TTS i applikationer for at give tale-feedback til synshæmmede brugere eller for at oplæse indhold.
• Stemme-notifikationer:
  Automatiser stemmealarmer i overvågnings- eller IoT-systemer ved at konvertere hændelsesbeskeder til tale.
• Indholdsskabelse:
  Generér speak til videoer, podcasts eller interaktive medier direkte fra manuskripter.
• Samtale-AI/Chatbots:
  Gør chatbots i stand til at svare med tale og dermed øge brugerengagementet i kundeservice eller virtuelle assistenter.
• Lydarkivering & Compliance:
  Opret lydoptagelser af tekstbaseret kommunikation til overholdelse eller arkivering.

Sådan sættes det op

Windsurf

1. Sørg for at du har uv og alle Kokoro model-filer downloadet.
2. Klon Kokoro TTS MCP-repositoriet til din lokale maskine.
3. Rediger din Windsurf-konfigurationsfil for at tilføje Kokoro TTS MCP-serveren.
4. Tilføj følgende JSON-udsnit til dit mcpServers-objekt:

   {
     "kokoro-tts-mcp": {
       "command": "uv",
       "args": [
         "--directory",
         "/path/toyourlocal/kokoro-tts-mcp",
         "run",
         "mcp-tts.py"
       ],
       "env": {
         "TTS_VOICE": "af_heart",
         "TTS_SPEED": "1.0",
         "TTS_LANGUAGE": "en-us",
         "AWS_ACCESS_KEY_ID": "",
         "AWS_SECRET_ACCESS_KEY": "",
         "AWS_REGION": "us-east-1",
         "AWS_S3_FOLDER": "mp3",
         "S3_ENABLED": "true",
         "MP3_FOLDER": "/path/to/mp3"
       }
     }
   }
   

5. Gem din konfiguration og genstart Windsurf.

Claude

1. Installer forudsætninger (Node.js, uv, Kokoro modeller).
2. Tilføj Kokoro TTS MCP-serveren i Claudes mcpServers-sektion.
3. Indsæt JSON-konfigurationen som ovenfor.
4. Gem og genstart Claude-miljøet.

Cursor

1. Download repositoriet og nødvendige modelfiler.
2. Opdater cursor.json eller tilsvarende konfiguration for at inkludere Kokoro TTS MCP-serveren.
3. Kopiér det leverede JSON-udsnit og opdater stier efter behov.
4. Gem ændringer og genstart Cursor.

Cline

1. Klon repositoriet og konfigurer miljøvariabler.
2. Rediger Cline-konfigurationen og tilføj Kokoro TTS MCP-serveren som vist.
3. Gem og genstart Cline-klienten.

Beskyttelse af API-nøgler

Brug altid miljøvariabler til at gemme følsomme oplysninger som AWS-nøgler. Eksempel:

"env": {
  "AWS_ACCESS_KEY_ID": "${AWS_ACCESS_KEY_ID}",
  "AWS_SECRET_ACCESS_KEY": "${AWS_SECRET_ACCESS_KEY}",
  ...
}

Sæt disse variabler i dit system eller CI-miljø, og indsæt aldrig hemmeligheder direkte i dine konfigurationsfiler.

Sådan bruges denne MCP i flows

Brug af MCP i FlowHunt

For at integrere MCP-servere i din FlowHunt-arbejdsgang skal du starte med at tilføje MCP-komponenten til dit flow og forbinde den til din AI-agent:

Klik på MCP-komponenten for at åbne konfigurationspanelet. I system-MCP-konfigurationssektionen indsætter du dine MCP-serverdetaljer i dette JSON-format:

{
  "kokoro-tts-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Når det er konfigureret, kan AI-agenten nu bruge denne MCP som et værktøj med adgang til alle dens funktioner og muligheder. Husk at ændre “kokoro-tts-mcp” til navnet på din faktiske MCP-server og erstatte URL’en med din egen MCP-server-URL.

Oversigt

Vores vurdering

Kokoro TTS MCP Server er fokuseret og praktisk og tilbyder et specialiseret værktøj til tekst-til-tale-opgaver med cloud-integration. Den mangler prompt- og ressourceprimitiver, men er open source, godt konfigureret og understøtter sikker nøglehåndtering. Sampling og Roots-support er ikke nævnt, hvilket begrænser avancerede agentfunktioner. Til TTS-brugsscenarier er den robust og nyttig, men ikke så funktionsrig som mere generelle MCP-servere.

MCP-score