音频合成协议服务器

🎵 Gemini音频MCP

Gemini音频MCP 是专为专业级音频合成而设计的高性能模型上下文协议（MCP）服务器。它利用了 Gemini 2.5多模式直播API 谷歌DeepMind Lyria 3 该模型可按需提供高保真的环境声景、音乐作品和富有表现力的叙事。

🛠 先决条件

在部署服务器之前，请确保您的环境满足以下技术要求：

1.FFmpeg（核心处理引擎）

高性能音频编码、解码和转码所需。

• macOS: brew install ffmpeg
• 视窗: winget install ffmpeg 或从以下网址下载 ffmpeg.org.
• Linux（Ubuntu/Debian）: sudo apt update && sudo apt install ffmpeg

2.Rust工具链（编译）

需要从源构建服务器。

• 通过安装 rustup.rs: curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

3.Node.js和NPM（运行时）

如果使用预编译的NPM包，则需要。

• 版本： node >= 18.0.0

🚀 安装和部署

全球安装（通过NPX）

将服务器集成到MCP客户端（例如Claude Desktop）的最快方法。

{
  "mcpServers": {
    "gemini-audio": {
      "command": "npx",
      "args": ["-y", "gemini-audio-mcp"],
      "env": {
        "GEMINI_API_KEY": "YOUR_SECURE_API_KEY"
      }
    }
  }
}

手动构建（优化）

为了获得最佳性能，请在本地构建Rust二进制文件：

1. 克隆和构建:
   复制

   git clone https://github.com/mcp-servers/gemini-audio-mcp.git
   cd gemini-audio-mcp
   cargo build --release
   

2. 查找二进制文件：优化后的二进制文件将在 ./target/release/gemini-audio-mcp.

🔑 API密钥管理

服务器需要有效的Google AI Studio API密钥。

1. 从以下位置获取密钥 谷歌人工智能工作室.
2. 安全最佳实践：永远不要硬编码密钥。通过以下方式注入钥匙 GEMINI_API_KEY 环境变量。
3. 层级注释：访问Lyria 3（Pro/Clip）型号通常需要 付费等级 或在Google AI Studio中进行特定的预览访问。

🎮 工具使用指南

1.环境发电(generate_soundscape)

合成沉浸式、无人声的环境纹理。

{
  "name": "generate_soundscape",
  "arguments": {
    "prompt": "Deep underwater abyss, low-frequency whale songs, rhythmic air bubbles rising, muffled aquatic pressure.",
    "duration": 60,
    "quality": "high",
    "auto_play": true
  }
}

2.专业音乐(generate_music)

生成具有可选声乐控制的结构作品。

{
  "name": "generate_music",
  "arguments": {
    "prompt": "Melancholic solo cello in a vast cathedral with 5-second decay reverb.",
    "bpm": 72,
    "song_key": "D minor",
    "intensity": 4
  }
}

3.表达性嗓音(generate_voice)

使用Gemini 2.5原生音频进行叙述和人物对话。

{
  "name": "generate_voice",
  "arguments": {
    "text": "The artifacts are stable, but the rift remains open.",
    "voice_direction": "Gravelly, urgent, whispered"
  }
}

4.动态演变(transition_soundscape)

交叉渐变两个不同的环境，实现无缝的场景过渡。

{
  "name": "transition_soundscape",
  "arguments": {
    "from_prompt": "Quiet library silence.",
    "to_prompt": "Sudden heavy rain on a tin roof.",
    "transition_duration": 8
  }
}

⚙️ 高级参数

🔬 架构概述

Gemini Audio MCP采用了一种独特的 混合动力发动机策略:

• WebSocket循环：连接到Gemini 2.5 Live，以实现低延迟、交互式语音和foley任务。
• REST管道：与Lyria 3 Pro接口，用于高保真音乐合成。
• PCM处理：一个基于Rust的内部循环(decode -> crossfade -> loop -> encode)确保短片转化为无缝、无限的音景，而不会发出咔嗒声。

🧪 故障排除

FFmpeg错误

• “未找到FFmpeg”：确保 ffmpeg 在您的系统PATH中。跑 ffmpeg -version 在您的终端中进行验证。
• 转码失败：检查您是否有必要的编解码器（例如。， libmp3lame MP3）。大多数标准FFmpeg安装都包括这些。

API问题

• 429速率限制：服务器实现了一个信号量来限制并发，但要确保API层支持请求的模型。
• 空音频输出：验证您的 GEMINI_API_KEY 是正确的，并且您的帐户可以访问所请求的模型（尤其是 lyria-3-pro-preview).

📄 许可证

根据 MIT许可证由MCP社区精确设计。