Kokoro TTS MCP-server

Vad gör “Kokoro TTS” MCP-servern?

Kokoro Text to Speech (TTS) MCP-servern är en Model Context Protocol (MCP)-server som gör det möjligt för AI-assistenter och klienter att generera högkvalitativt tal-ljud från textinmatning. Genom att koppla AI-arbetsflöden till denna server kan användare konvertera text till .mp3-filer och vid behov ladda upp dem till Amazon S3 eller kompatibla lagringstjänster. Kokoro TTS använder avancerade modeller (via HuggingFace spaces och ONNX-vikter) för att erbjuda anpassningsbara röster, hastigheter och språk, vilket förenklar integrering av text-till-tal-funktioner i utvecklingsmiljöer, chatbots eller automatiseringsflöden. Denna MCP-server är särskilt värdefull där syntetiskt tal behövs för tillgänglighet, notifieringar eller innehållsskapande.

Lista över promts

Inga explicita promptmallar finns dokumenterade i repot.

Resurslista

Inga explicita resurser finns dokumenterade i repo-filerna eller README.

Verktygslista

• Text-till-tal-generering
  Konverterar inskriven text till en .mp3-ljudfil med Kokoro TTS-modeller. Erbjuder konfiguration för röst, hastighet och språk.
• S3-uppladdning
  Laddar vid behov upp genererade .mp3-filer till en angiven Amazon S3-bucket/mapp om det är aktiverat i konfigurationen.
• Lokal MP3-hantering
  Sparar genererade .mp3-filer i en angiven lokal mapp och kan automatiskt ta bort dem efter uppladdning eller efter en viss behållningstid.

Användningsområden för denna MCP-server

• Tillgänglighetslösningar:
  Integrera Kokoro TTS i applikationer för att ge talåterkoppling till synskadade användare eller för att läsa upp innehåll.
• Röstnotifieringar:
  Automatisera röstlarm i övervaknings- eller IoT-system genom att konvertera händelsemeddelanden till tal-ljud.
• Innehållsskapande:
  Skapa voiceovers för videor, podcasts eller interaktiva medier direkt från manus.
• Konversations-AI/Chatbots:
  Låt chatbots svara med talat utdata för ökad användarengagemang i kundsupport eller virtuella assistentmiljöer.
• Ljudarkivering & efterlevnad:
  Skapa ljudarkiv av textbaserad kommunikation för efterlevnad eller arkivering.

Så här sätter du upp det

Windsurf

1. Säkerställ att du har uv och alla Kokoro-modellfiler nedladdade.
2. Klona Kokoro TTS MCP-repot till din lokala maskin.
3. Redigera din Windsurf-konfigurationsfil för att lägga till Kokoro TTS MCP-servern.
4. Lägg till följande JSON-snutt i ditt objekt mcpServers:

   {
     "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. Spara din konfiguration och starta om Windsurf.

Claude

1. Installera förkrav (Node.js, uv, Kokoro-modeller).
2. Lägg till Kokoro TTS MCP-servern i Claudes mcpServers-sektion.
3. Sätt in JSON-konfigurationen som ovan.
4. Spara och starta om Claude-miljön.

Cursor

1. Ladda ner repot och nödvändiga modellfiler.
2. Uppdatera cursor.json eller motsvarande config för att inkludera Kokoro TTS MCP-servern.
3. Kopiera den medföljande JSON-snippet, uppdatera sökvägar vid behov.
4. Spara ändringar och starta om Cursor.

Cline

1. Klona repot och konfigurera miljövariabler.
2. Redigera Cline-konfigurationen och lägg till Kokoro TTS MCP-servern som visas.
3. Spara och starta om Cline-klienten.

Skydda API-nycklar

Använd alltid miljövariabler för att lagra känslig information som AWS-uppgifter. Exempel:

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

Sätt dessa variabler i ditt system eller CI-miljö, och hårdkoda aldrig hemligheter i dina konfigurationsfiler.

Hur du använder denna MCP i flöden

Använda MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde börjar du med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationssektion, ange din MCP-server-information med detta JSON-format:

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

När det är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och möjligheter. Kom ihåg att ändra “kokoro-tts-mcp” till det faktiska namnet på din MCP-server och byt ut URL:en mot din egen MCP-server-URL.

Översikt

Vår åsikt

Kokoro TTS MCP-servern är fokuserad och praktisk, och erbjuder ett specialiserat verktyg för text-till-tal-uppgifter med molnintegration. Den saknar prompt- och resursprimitiver men är öppen källkod, välkonfigurerad och stöder säker nyckelhantering. Sampling och Roots-stöd nämns inte, vilket begränsar avancerade agentfunktioner. För TTS-användningsfall är den robust och användbar, om än inte lika funktionsrik som mer allmänna MCP-servrar.

MCP-betyg