vv-mcp

VOICEVOX MCP Server - Claude DesktopとClaude Codeで音声合成を利用するためのMCPサーバー

- Node.js 18以上
- VOICEVOXがインストールされ、起動していること
- サポートOS:

git clone https://github.com/arrow2nd/vv-mcp.git cd vv-mcp npm install npm run build

{ "mcpServers": { "vv-mcp": { "command": "npx", "args": ["-y", "@arrow2nd/vv-mcp"], "env": { "VOICEVOX_URL": "http://localhost:50021", "DEFAULT_VOICE_ID": "47", "DEFAULT_SPEED": "1.0" } } } }

{ "mcpServers": { "vv-mcp": { "command": "node", "args": ["/path/to/vv-mcp/dist/index.js"], "env": { "VOICEVOX_URL": "http://localhost:50021", "DEFAULT_VOICE_ID": "47", "DEFAULT_SPEED": "1.0" } } } }

~/.claude.jsonのmcpServersセクションに以下を追加：

{ "mcpServers": { "vv-mcp": { "command": "npx", "args": ["-y", "@arrow2nd/vv-mcp"], "env": { "VOICEVOX_URL": "http://localhost:50021", "DEFAULT_VOICE_ID": "47", "DEFAULT_SPEED": "1.0" } } } }

bunxを使用する場合は"command": "bunx"に変更してください。

{ "mcpServers": { "vv-mcp": { "command": "node", "args": ["/path/to/vv-mcp/dist/index.js"], "env": { "VOICEVOX_URL": "http://localhost:50021", "DEFAULT_VOICE_ID": "47", "DEFAULT_SPEED": "1.0" } } } }

Claude Desktop/Codeを再起動後、以下のMCPツールが利用可能になります：

- say- テキストを音声合成して再生（非同期実行）
- list_voices- 利用可能な音声一覧を取得
- get_queue_status- 再生キューの状態を確認
- clear_queue- 再生キューをクリア
- get_voices_in_use- 現在使用中の音声IDのリストを取得（全プロセス共通）
- get_random_unused_voice- 使用されていない音声をランダムに1つ取得
- get_session_voice- このセッションで使用する音声を取得（セッション毎に固定）

# セッション音声を使用して読み上げ "こんにちは"とセッション音声で言って

- useSessionVoice: true- セッション音声を使用（voiceIdは無視される）
- useSessionVoice: false（デフォルト） - 指定した音声IDまたはデフォルト音声を使用

- セッション開始時に自動的に音声を選択
- 他のセッションと重複しない音声を優先的に選択
- 全音声が使用中の場合は使用頻度の低い音声を選択
- セッション終了時に自動的に音声を解放

複数のClaude Desktop/Codeが同時に動作している場合、自動的に異なる音声を使用して音声の重複を避けます。

- 各プロセスで使用中の音声情報を共有
- get_random_unused_voiceツールで未使用の音声を自動選択
- 一時ディレクトリに状態ファイルを作成して情報を共有

Local-first voice toolkit: STT (25 langs, ~19x faster than Whisper on Apple Silicon via CoreML, ONNX fallback), TTS (Kokoro + Vosk-TTS + 180 macOS voices, SSML), VAD, language detection (107 langs). Rust engine, OpenClaw skill. No cloud, no API keys.

A text-to-speech server using the macOS say command.

Local, on-device TTS for Claude & Cursor. No API key, no cloud. 10 voices, 31 languages, ~820ms on Apple Silicon.

Reads text aloud locally on Windows, macOS, and Linux using the operating system's built-in speech engine. No API key, no account, no special hardware required, and no cloud service — text never leaves the machine.

An AI voice toolkit with TTS, voice cloning, and video translation, now available as an MCP server for smarter agent integration.

A high-quality, feature-rich Text-to-Speech (TTS) server for generating natural and expressive speech with advanced controls.

A server for text-to-speech generation using the AivisSpeech engine.

A Node.js MCP server for the Japanese text-to-speech software Bouyomi-chan.

Generates text-to-speech audio with automatic playback using the Chatterbox TTS model.

Text-to-speech generation with conversation history features using the ElevenLabs API.