Edge TTS MCP Server

这是一个 MCP (Model Context Protocol) 服务器，集成了 Microsoft Edge Read Aloud 的高质量语音合成能力和 URUSAI! 的图床/文件存储服务。

它可以让 Claude Desktop 或 LangChain Agent 具备“说话”的能力：能够生成极其自然的中文/多语言语音，支持多片段拼接，并将生成的 MP3 音频自动上传至云端，返回可永久访问的播放链接。

✨ 特性

• 微软超自然语音 (Neural Voices): 使用 Edge 浏览器同款的 zh-CN-Xiaoxiao (晓晓)、zh-CN-Yunyang (云扬) 等高质量语音。
• 智能音频合并 (Smart Merge): 支持一次性输入多个文本片段，服务器会自动将它们无缝拼接成一个完整的 MP3 文件，非常适合生成长对话或有停顿的旁白。
• 精细化控制 (Precise Control): 支持自定义语速、语调，并能精确控制段落之间的静音时长（毫秒级）。
• 自动云端存储 (Auto Upload): 生成的音频文件会自动上传至 URUSAI!，直接返回公网 URL，方便在大模型对话中直接播放或通过 API 调用。

🧰 工具详情 (Tools)

本服务器向 MCP 客户端暴露了一个核心工具：

batch_generate_speech

用于将文本转换为语音，支持批量处理和合并。

• 描述: Generates speech from plain text, returns public audio URLs. Supports merging multiple segments.
• 输入参数 (Input Schema):

此工具接受一个 segments 数组，每个对象包含以下字段：

| 参数名 | 类型 | 必填 | 说明 | | :----------------- | :---------- | :--- | :----------------------------------------------------------------------- | | speech_content | string | ✅ | 纯文本内容。请勿使用 XML/SSML 标签，直接输入文字即可。 | | voice_id | string | ❌ | 声音 ID (详见下方列表)。默认为 zh-CN-XiaoxiaoMultilingualNeural。 | | speech_rate | number | ❌ | 语速控制 (详见下方特殊说明)。默认为 25。 | | speech_pitch | number | ❌ | 语调百分比。例如 20 为高音，-10 为低音。默认为 0。 | | pause_after_ms | number | ❌ | 在此片段播放结束后，插入的静音时长（毫秒）。 | | merge_audio | boolean | ❌ | 仅需在第一个片段设置。设为 true 将合并所有片段为一个 MP3。 |

🚀 语速设置说明 (speech_rate)

本服务器重新定义了语速参数的数值逻辑，请务必遵守：

| 数值 | 速度描述 | 适用场景 | | :----------- | :-------------------------- | :------------------------------------------------- | | 25 | 标准速度 (Normal) | 默认值。适合大多数阅读、对话场景 (对应 API +25%)。 | | 0 | 慢速 (Slow) | 适合悲伤、严肃、恐怖或深沉的独白 (对应 API +0%)。 | | 40 | 快速 (Fast) | 适合激动、争吵、兴奋或紧急广播 (对应 API +40%)。 |

🗣️ 支持的声音列表 (voice_id)

支持微软 Azure/Edge 系列的大量语音，部分推荐如下：

| ID | 描述 | 风格 | | :------------------------------------- | :-------- | :----------------------------------- | | zh-CN-XiaoxiaoMultilingualNeural | 晓晓 (女) | 默认，多语言，温柔，全能型 | | zh-CN-YunyiMultilingualNeural | 云逸 (男) | 默认，多语言，稳重 | | zh-CN-YunyangNeural | 云扬 (男) | 央视播音腔，专业，阳光 | | zh-CN-XiaoshuangMultilingualNeural | 晓双 (女) | 萝莉音，可爱 | | zh-CN-YunxiNeural | 云希 (男) | 少年音，清朗 | | zh-CN-XiaomoNeural | 晓墨 (女) | 文艺，情感丰富 |

(完整列表请参考源代码中的 VOICE_MAP)

🦜 LangChain 集成

你可以使用 langchain-mcp-adapters 将此 TTS 能力赋予你的 AI Agent。

import { MultiServerMCPClient } from "@langchain/mcp-adapters";
import { ChatAnthropic } from "@langchain/anthropic";
import { createAgent } from "langchain";

// 1. 连接 MCP 服务器
const client = new MultiServerMCPClient({
    "edge-tts": {
        transport: "stdio",
        command: "node",
        args: ["/path/to/edge-tts-mcp-server/dist/index.js"], // 指向编译后的文件
    },
});

// 2. 获取工具并创建 Agent
const tools = await client.getTools();
const agent = createAgent({
    model: "claude-3-5-sonnet-latest",
    tools,
});

// 3. 调用示例：生成一段带停顿的合并语音
await agent.invoke({
    messages: [{ 
        role: "user", 
        content: "请用云扬的声音说一句'警报！警报！'，语速要快，然后停顿一秒，再说'系统正在崩溃'，语速放慢。请合并成一个音频文件。" 
    }],
});

🚀 使用方法 (Claude Desktop)

直接修改 Claude Desktop 的配置文件以在本地运行。

1. 找到配置文件

• Windows: %APPDATA%\Claude\claude_desktop_config.json
• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

2. 添加配置

{
  "mcpServers": {
    "edge-tts": {
      "command": "npx",
      "args": [
        "-y",
	"edge-tts-mcp-server" 
      ]
    }
  }
}

或者git clone到本地

{
  "mcpServers": {
    "edge-tts": {
      "command": "node",
      "args": [
	"项目的绝对路径（/.../edge-tts-mcp-server）/dist/index.js" 
      ]
    }
  }
}

🛠️ 本地开发与构建

如果你想修改代码或进行调试：

# 1. 克隆仓库 (假设你已经有代码)
# git clone ...
cd edge-tts-mcp-server

# 2. 安装依赖
pnpm install

# 3. 编译 (生成 dist/index.js)
pnpm build

环境变量 (可选)

可以使用特定的 API Token记录自己生成的音频：

• URUSAI_API_TOKEN: 设置上传到 api.urusai.cc 的 Token (如果未设置，服务器将匿名上传)。

License

MIT