Máy chủ ElevenLabs MCP

Máy chủ “ElevenLabs” MCP làm gì?

Máy chủ ElevenLabs MCP là một máy chủ Giao thức Ngữ cảnh Mô hình (MCP) tích hợp API chuyển văn bản thành giọng nói của ElevenLabs vào quy trình phát triển AI. Nó hoạt động như một cầu nối, cho phép trợ lý và tác nhân AI tạo ra âm thanh chất lượng cao từ văn bản, quản lý các tùy chọn giọng nói và theo dõi lịch sử tạo âm thanh—tất cả qua các giao diện MCP tiêu chuẩn. Máy chủ hỗ trợ nhiều giọng nói, quản lý các phần kịch bản và lưu trữ dữ liệu vĩnh viễn bằng SQLite, phù hợp với các tác vụ tổng hợp giọng nói mạnh mẽ. Ngoài ra, nó còn đi kèm một client MCP mẫu dựa trên SvelteKit để quản lý và tương tác các tính năng này qua giao diện web. Bằng cách cung cấp tính năng tạo giọng nói dưới dạng công cụ và tài nguyên, ElevenLabs MCP Server tăng cường tự động hóa, khả năng tiếp cận và nhận thức ngữ cảnh trong các ứng dụng AI.

Danh sách Prompts

Không có mẫu prompt rõ ràng nào được liệt kê trong kho hoặc tài liệu.

Sẵn sàng phát triển doanh nghiệp của bạn?

Bắt đầu dùng thử miễn phí ngay hôm nay và xem kết quả trong vài ngày.

Yêu cầu demo Đăng nhập

Danh sách Tài nguyên

• Lịch sử giọng nói: Lưu trữ vĩnh viễn lịch sử giọng nói/âm thanh đã tạo bằng SQLite, cho phép người dùng theo dõi và phát lại các âm thanh đã tạo trước đó.
• Tùy chọn giọng nói: Cung cấp quyền truy cập vào các mô hình giọng nói và cấu hình của ElevenLabs để lựa chọn và quản lý.
• Tải tệp âm thanh: Cho phép người dùng tải về các tệp âm thanh đã tạo để sử dụng ngoại tuyến hoặc tích hợp vào các ứng dụng khác.

Danh sách Công cụ

• Tạo âm thanh từ văn bản: Chuyển đổi văn bản nhập vào thành lời nói sử dụng API của ElevenLabs, hỗ trợ nhiều mô hình giọng nói và tham số tuỳ chỉnh.
• Quản lý kịch bản nhiều phần: Cho phép người dùng tạo và quản lý âm thanh cho các kịch bản chia thành nhiều phần, tối ưu cho tổng hợp giọng nói dài.
• Phát lại lịch sử giọng nói: Hỗ trợ phát lại các âm thanh đã tạo trước đây trực tiếp từ lịch sử lưu trữ, nâng cao trải nghiệm và hiệu suất làm việc.

Tham gia bản tin của chúng tôi

Nhận các mẹo, xu hướng và ưu đãi mới nhất miễn phí.

Địa chỉ email

Đăng ký

Trường hợp sử dụng của máy chủ MCP này

• Tự động hóa chuyển văn bản thành giọng nói: Nhanh chóng chuyển đổi nội dung dạng văn bản thành âm thanh chất lượng cao cho podcast, sách nói hoặc các tính năng hỗ trợ tiếp cận, giảm tải công việc thủ công.
• Phát triển trợ lý giọng nói: Tích hợp các phản hồi giọng nói chân thực vào trợ lý AI để tương tác người-máy tự nhiên hơn.
• Bản địa hóa nội dung: Tạo ra âm thanh với nhiều giọng hoặc giọng địa phương khác nhau để bản địa hóa sản phẩm và dịch vụ mà không cần thuê nhiều diễn viên lồng tiếng.
• Tạo đối thoại kịch bản: Quản lý và sản xuất các kịch bản nhiều phần cho game, kể chuyện hoặc nền tảng e-learning một cách hiệu quả.
• Quản lý lịch sử tạo giọng nói: Theo dõi và tái sử dụng các đoạn âm thanh đã tạo trước đó, tối ưu quy trình chỉnh sửa và đảm bảo tính nhất quán.

Hướng dẫn thiết lập

Windsurf

1. Đảm bảo bạn đã cài đặt Node.js.

2. Tìm tệp cấu hình Windsurf MCP (ví dụ: windsurf_mcp_settings.json).

3. Thêm cấu hình Máy chủ ElevenLabs MCP:

   {
     "mcpServers": {
       "elevenlabs": {
         "command": "uvx",
         "args": ["elevenlabs-mcp-server"],
         "env": {
           "ELEVENLABS_API_KEY": "your-api-key",
           "ELEVENLABS_VOICE_ID": "your-voice-id"
         }
       }
     }
   }
   

4. Lưu tệp và khởi động lại Windsurf.

5. Kiểm tra xem Máy chủ ElevenLabs MCP đã xuất hiện như một công cụ trong giao diện chưa.

Claude

1. Yêu cầu: Cài đặt Node.js.

2. Mở tệp cấu hình Claude MCP của bạn (ví dụ: cline_mcp_settings.json).

3. Thêm Máy chủ ElevenLabs MCP bằng:

   {
     "mcpServers": {
       "elevenlabs": {
         "command": "uvx",
         "args": ["elevenlabs-mcp-server"],
         "env": {
           "ELEVENLABS_API_KEY": "your-api-key",
           "ELEVENLABS_VOICE_ID": "your-voice-id"
         }
       }
     }
   }
   

4. Lưu và khởi động lại Claude Desktop.

5. Xác nhận Máy chủ ElevenLabs MCP đã khả dụng như một công cụ.

Cursor

1. Đảm bảo Node.js đã được cài đặt trên hệ thống của bạn.

2. Mở tệp cấu hình máy chủ MCP của Cursor.

3. Thêm cấu hình JSON sau:

   {
     "mcpServers": {
       "elevenlabs": {
         "command": "uvx",
         "args": ["elevenlabs-mcp-server"],
         "env": {
           "ELEVENLABS_API_KEY": "your-api-key",
           "ELEVENLABS_VOICE_ID": "your-voice-id"
         }
       }
     }
   }
   

4. Lưu cấu hình và khởi động lại Cursor.

5. Kiểm tra xem Máy chủ ElevenLabs MCP đã sẵn sàng chưa.

Cline

1. Yêu cầu: Đã cài đặt Node.js.

2. Truy cập tệp cấu hình MCP của Cline (ví dụ: cline_mcp_settings.json).

3. Thêm Máy chủ ElevenLabs MCP:

   {
     "mcpServers": {
       "elevenlabs": {
         "command": "uvx",
         "args": ["elevenlabs-mcp-server"],
         "env": {
           "ELEVENLABS_API_KEY": "your-api-key",
           "ELEVENLABS_VOICE_ID": "your-voice-id"
         }
       }
     }
   }
   

4. Lưu và khởi động lại Cline.

5. Xác nhận Máy chủ ElevenLabs MCP đã truy cập được.

Bảo mật khóa API:
Lưu trữ tất cả giá trị nhạy cảm như khóa API của bạn trong biến môi trường thông qua trường env trong cấu hình JSON:

"env": {
  "ELEVENLABS_API_KEY": "your-api-key",
  "ELEVENLABS_VOICE_ID": "your-voice-id"
}

Không bao giờ ghi trực tiếp khóa bí mật vào các tệp công khai.

Cách sử dụng MCP này trong quy trình Flow

Sử dụng MCP trong FlowHunt

Để tích hợp các máy chủ MCP vào quy trình FlowHunt, bắt đầu bằng cách thêm thành phần MCP vào flow và kết nối với tác nhân AI của bạn:

Nhấn vào thành phần MCP để mở bảng cấu hình. Trong phần cấu hình MCP hệ thống, thêm thông tin máy chủ MCP của bạn theo định dạng JSON sau:

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

Sau khi cấu hình, tác nhân AI giờ đã có thể sử dụng MCP này như một công cụ với đầy đủ chức năng và khả năng. Thay “elevenlabs” bằng tên thực tế của máy chủ MCP và thay URL bằng địa chỉ máy chủ của bạn.

Tổng quan

| Hỗ trợ Roots | ⛔ | Không đề cập |

Tôi đánh giá máy chủ MCP này 7/10. Nó có mục đích rõ ràng, công cụ và tài nguyên thực tiễn, hướng dẫn thiết lập tốt, nhưng thiếu thông tin về mẫu prompt, roots và hỗ trợ sampling.

Điểm MCP