AI导哈

文本转语音服务器

Chatterbox TTS MCP Server 是一个通过网络提供高质量文本转语音和语音克隆功能的服务器，适用于需要远程生成语音和语音管理的场景。

  • by nikships
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 anand-92/chatterbox-mcp

使用说明

Chatterbox TTS MCP服务器

一个FastMCP服务器，它公开 聊天盒TTS 从笔记本电脑上的Claude Code连接，在配备GPU的台式机上生成语音。

特性

  • 文本转语音：具有多种模型的高质量语音合成
  • 语音克隆：使用5-15秒的参考音频克隆任何语音
  • 语音管理：按名称保存、列出和重用语音引用
  • 长文本支持：超过40秒的文本自动分块
  • 远程访问：从网络上的任何机器生成语音
  • 下载URL：通过HTTP获取生成的音频

模型

型号 语言 功能
standard 英文 CFG权重，夸张控制，零样本克隆
turbo 英语 快速生成，副语言标签，需要语音

安装

# Clone the repo
git clone https://github.com/yourusername/chatterbox-mcp.git
cd chatterbox-mcp

# Install dependencies
pip install -r requirements.txt

# Install wsproto for websocket support (no deprecation warnings)
pip install wsproto

配置

编辑 server.py 设置您的路径：

OUTPUT_DIR = Path(r"C:\path\to\output")
VOICES_DIR = Path(r"C:\path\to\voices")

用法

启动服务器

python server.py
# or
run_server.bat

从克劳德代码连接

添加到MCP配置(~/.claude/settings.json 或 .claude/settings.json):

{
  "mcpServers": {
    "chatterbox": {
      "type": "url",
      "url": "http://<your-pc-ip>:8765/mcp"
    }
  }
}

工具

text_to_speech

从文本生成语音。

# Basic TTS
text_to_speech(text="Hello, world!")

# With voice cloning
text_to_speech(text="Hello", voice_name="david")

# Turbo with paralinguistic tags
text_to_speech(text="That's hilarious! [laugh]", model="turbo", voice_name="david")

# Expressive/dramatic
text_to_speech(text="...", exaggeration=0.7, cfg_weight=0.3)

list_voices

列出所有已保存的语音参考。

delete_voice

删除已保存的语音参考。

提示

  • 默认设置 (exaggeration=0.5, cfg_weight=0.5)适用于大多数提示
  • 快速扬声器：较低 cfg_weight 调整至~0.3，以获得更好的起搏效果
  • 表达性演讲：使用 exaggeration=0.7, cfg_weight=0.3
  • 语音克隆：使用5-15秒的干净语音，背景噪音最小
  • 长文本：自动分割成块-无需手动分割

需求

  • Python 3.10+
  • 支持CUDA的GPU（推荐）
  • 标准型号约4GB VRAM

许可证

麻省理工学院

相关 MCP