GPT-SoVITS MCP Server

An MCP server for GPT-SoVITS, providing text-to-speech synthesis, voice cloning, and multi-language support.

このプロジェクトは、GPT-SoVITSのAPIサーバーをModel Context Protocol (MCP) ツールとして利用できるようにするMCPサーバーです。FastAPI-MCPを使用してSwagger仕様から自動的にMCPツール定義を生成します。

- Text-to-Speech合成: テキストから音声を生成
- 音声クローニング: 参照音声を使用した声質の複製
- マルチ言語対応: 中国語、英語、日本語、韓国語、粤語をサポート
- モデル管理: GPT/SoVITSモデルの動的切り替え
- ストリーミング対応: リアルタイム音声配信
- MCP統合: AI エージェントとの統合

- Python 3.11以上（Windows/macOS/Linux対応）
- GPT-SoVITS API サーバー（ポート9880で実行中）

- Python公式サイトからPython 3.11以上をダウンロード
- インストール時に「Add Python to PATH」をチェック

python -m pip install -r requirements.txt

python3.11 -m pip install -r requirements.txt # または pip install -r requirements.txt

cd GPT-SoVITS python3.11 api.py # または python api.py

- --host: バインドするホスト (デフォルト: 0.0.0.0)
- --port: バインドするポート (デフォルト: 8000)
- --gpt-sovits-url: GPT-SoVITS APIのURL (デフォルト:http://localhost:9880)
- --reload: 自動リロードを有効化

- API ドキュメント:http://localhost:8000/docs
- MCP エンドポイント:http://localhost:8000/mcp
- ヘルスチェック:http://localhost:8000/health

curl -X POST "http://localhost:8000/tts" \ -H "Content-Type: application/json" \ -d '{ "text": "こんにちは、世界", "text_lang": "ja", "refer_wav_path": "path/to/reference.wav", "prompt_text": "参照音声のテキスト" }'

curl -X POST "http://localhost:8000/set_model" \ -H "Content-Type: application/json" \ -d '{ "gpt_model_path": "path/to/gpt.ckpt", "sovits_model_path": "path/to/sovits.pth" }'

{ "mcpServers": { "gpt-sovits": { "command": "python", "args": ["C:\\path\\to\\sovits_mcp\\fastapi_mcp_server.py"], "env": { "HOST": "127.0.0.1", "PORT": "8000", "SOVITS_VOICES_PATH": "C:\\voices\\characters" } } } }

{ "mcpServers": { "gpt-sovits": { "command": "python3.11", "args": ["/path/to/sovits_mcp/fastapi_mcp_server.py"], "env": { "HOST": "127.0.0.1", "PORT": "8000", "SOVITS_VOICES_PATH": "/voices/characters" } } } }

FastAPI-MCPは自動的に/mcpエンドポイントでSSE接続を提供します。SSEプロキシを使用する場合：

{ "mcpServers": { "gpt-sovits-sse": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-fetch", "http://127.0.0.1:8000/mcp"], "env": {} } } }

- claude_desktop_config_windows.json- Claude Desktop用の設定
- mcp_windows.json- 基本的なMCP設定
- mcp_sse_windows.json- SSE プロキシを使用した設定
- start_server.bat- Windows用起動スクリプト

- claude_desktop_config.json- Claude Desktop用の設定
- mcp.json- 基本的なMCP設定
- mcp_sse.json- SSE プロキシを使用した設定
- start_server.sh- macOS/Linux用起動スクリプト

- エラーが出る場合は、Python がPATHに追加されていない
- Python インストール時に「Add Python to PATH」をチェックする
- またはpyコマンドを使用する

- Windowsではバックスラッシュ（\）を使用
- または環境変数SOVITS_VOICES_PATHを設定

set SOVITS_VOICES_PATH=C:\voices\characters

- GPT-SoVITS APIサーバーが起動していることを確認
- ポート9880が使用可能であることを確認
- ファイアウォールの設定を確認

- Python 3.11以上を使用していることを確認
- pip install -r requirements.txtで依存関係をインストール

- SOVITS_VOICES_PATH環境変数を正しく設定
- 音声ファイルが指定されたパスに存在することを確認
- デフォルトではvoices/characters/フォルダを使用

An MCP server for the Typecast API, enabling AI-powered voice generation for various content.

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

Hosted MCP server for AudioPod's audio AI: text-to-speech, voice cloning, music generation, stem and speaker separation, transcription, denoise, and voice conversion.

AI-powered text-to-speech MCP server with instant voice cloning. Generate speech from Claude Desktop, Claude Code, or n8n using 5 built-in voices (English, German, French, Spanish) or clone any voice from a short audio sample. Runs fully local, no API keys, no cloud. Supports stdio, SSE, and HTTP transports.

Interact with MiniMax's powerful APIs for text-to-speech, voice cloning, and video/image generation.

A JavaScript/TypeScript server for MiniMax MCP, offering image/video generation, text-to-speech, and voice cloning.

Production speech AI MCP server with pronunciation scoring, speech-to-text, and text-to-speech — 10 tools, 7 resources, 3 prompts.

Converts text summaries to speech using OpenAI's Text-to-Speech API and plays them in the background.

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

Integrates WhatsApp and Minimax to send personalized voice messages using cloned voices.