Kokoro TTS MCP Server

Was macht der “Kokoro TTS” MCP Server?

Der Kokoro Text-to-Speech (TTS) MCP Server ist ein Model Context Protocol (MCP) Server, der es KI-Assistenten und Clients ermöglicht, hochwertige Sprachausgabe aus Texteingaben zu erzeugen. Durch die Verbindung von KI-Workflows mit diesem Server können Nutzer Text in .mp3-Dateien umwandeln und diese optional auf Amazon S3 oder kompatiblen Speichern ablegen. Kokoro TTS nutzt fortschrittliche Modelle (über HuggingFace Spaces und ONNX-Gewichte), um anpassbare Stimmen, Geschwindigkeiten und Sprachen bereitzustellen. So lassen sich Text-to-Speech-Funktionen nahtlos in Entwicklungsumgebungen, Chatbots oder Automatisierungspipelines integrieren. Besonders wertvoll ist dieser MCP Server für Szenarien, in denen synthetische Sprache für Barrierefreiheit, Benachrichtigungen oder Content-Erstellung benötigt wird.

Liste der Prompt-Vorlagen

Im Repository sind keine expliziten Prompt-Vorlagen dokumentiert.

Bereit, Ihr Geschäft zu erweitern?

Starten Sie heute Ihre kostenlose Testversion und sehen Sie innerhalb weniger Tage Ergebnisse.

Demo anfragen Anmelden

Liste der Ressourcen

Im Repository oder README sind keine expliziten Ressourcen dokumentiert.

Liste der Tools

• Text-to-Speech-Erzeugung
  Wandelt eingegebenen Text mit Kokoro TTS-Modellen in eine .mp3-Audiodatei um. Ermöglicht Konfiguration von Stimme, Geschwindigkeit und Sprache.
• S3-Upload
  Lädt erzeugte .mp3-Dateien optional in einen angegebenen Amazon S3-Bucket/-Ordner hoch, falls in der Konfiguration aktiviert.
• Lokale MP3-Verwaltung
  Speichert generierte .mp3-Dateien in einem definierten lokalen Ordner und kann diese nach dem Upload oder nach einer Aufbewahrungszeit automatisch löschen.

Abonnieren Sie unseren Newsletter

Erhalten Sie die neuesten Tipps, Trends und Angebote kostenlos.

E-Mail-Adresse

Abonnieren

Anwendungsfälle dieses MCP Servers

• Barrierefreiheitslösungen:
  Integrieren Sie Kokoro TTS in Anwendungen, um Sprachfeedback für sehbehinderte Nutzer bereitzustellen oder Inhalte vorlesen zu lassen.
• Sprachbenachrichtigungen:
  Automatisieren Sie Sprachalarme in Monitoring- oder IoT-Systemen, indem Sie Ereignisnachrichten in Sprachausgabe umwandeln.
• Content-Erstellung:
  Erzeugen Sie Voice-Over für Videos, Podcasts oder interaktive Medien direkt aus geschriebenen Skripten.
• Konversations-KI/Chatbots:
  Ermöglichen Sie Chatbots, mit gesprochener Ausgabe zu antworten und so die Nutzerbindung im Kundenservice oder bei virtuellen Assistenten zu steigern.
• Audio-Archivierung & Compliance:
  Erstellen Sie Audioprotokolle von textbasierten Kommunikationen zu Compliance- oder Archivierungszwecken.

So richten Sie ihn ein

Windsurf

1. Stellen Sie sicher, dass Sie uv und alle Kokoro-Modell-Dateien heruntergeladen haben.
2. Klonen Sie das Kokoro TTS MCP-Repository auf Ihren lokalen Rechner.
3. Bearbeiten Sie Ihre Windsurf-Konfigurationsdatei, um den Kokoro TTS MCP Server hinzuzufügen.
4. Fügen Sie das folgende JSON-Snippet zu Ihrem mcpServers-Objekt hinzu:

   {
     "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. Speichern Sie Ihre Konfiguration und starten Sie Windsurf neu.

Claude

1. Installieren Sie die Voraussetzungen (Node.js, uv, Kokoro-Modelle).
2. Fügen Sie den Kokoro TTS MCP Server in Claudes mcpServers-Abschnitt hinzu.
3. Fügen Sie die JSON-Konfiguration wie oben ein.
4. Speichern Sie und starten Sie die Claude-Umgebung neu.

Cursor

1. Laden Sie das Repository und die benötigten Modelldateien herunter.
2. Aktualisieren Sie die cursor.json oder die entsprechende Konfiguration, um den Kokoro TTS MCP Server einzubinden.
3. Kopieren Sie das bereitgestellte JSON-Snippet und passen Sie die Pfade nach Bedarf an.
4. Speichern Sie die Änderungen und starten Sie Cursor neu.

Cline

1. Klonen Sie das Repository und konfigurieren Sie die Umgebungsvariablen.
2. Bearbeiten Sie die Cline-Konfiguration und fügen Sie den Kokoro TTS MCP Server wie gezeigt hinzu.
3. Speichern Sie und starten Sie den Cline-Client neu.

API-Schlüssel absichern

Verwenden Sie immer Umgebungsvariablen, um sensible Informationen wie AWS-Zugangsdaten zu speichern. Beispiel:

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

Setzen Sie diese Variablen in Ihrem System oder Ihrer CI-Umgebung – speichern Sie niemals geheime Daten im Klartext in Ihren Konfigurationsdateien.

So nutzen Sie diesen MCP in Flows

Verwendung von MCP in FlowHunt

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie zunächst die MCP-Komponente zu Ihrem Flow hinzu und verbinden Sie sie mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationspanel zu öffnen. Im System-MCP-Konfigurationsbereich fügen Sie die Details Ihres MCP-Servers im folgenden JSON-Format ein:

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

Nach der Konfiguration kann der KI-Agent diesen MCP als Tool mit Zugang zu all seinen Funktionen und Fähigkeiten verwenden. Denken Sie daran, “kokoro-tts-mcp” durch den tatsächlichen Namen Ihres MCP-Servers und die URL durch die Ihres eigenen MCP-Servers zu ersetzen.

Übersicht

Unsere Meinung

Der Kokoro TTS MCP Server ist spezialisiert und praxisorientiert und bietet ein spezialisiertes Werkzeug für Text-to-Speech-Aufgaben mit Cloud-Integration. Es fehlen Prompt- und Ressourcen-Primitives, aber er ist Open Source, gut konfigurierbar und unterstützt sicheres Schlüsselmanagement. Sampling- und Roots-Unterstützung werden nicht erwähnt, was die fortgeschrittenen agentischen Fähigkeiten einschränkt. Für TTS-Anwendungsfälle ist er robust und nützlich, wenn auch nicht so funktionsreich wie stärker generalisierte MCP Server.

MCP Score