MCP

Kokoro TTS MCP:まず手元で mp3 を1本生成する

Kokoro 音声合成をエージェントにつなぎたい人向け。前提はローカルリポジトリに onnx 重みと voices ファイルがあり、uv で起動すること。初回は手元で mp3 を出すだけ、S3 へ上げない。

公式ソース · Kokoro TTS MCP

インストール

uv run mcp-tts.py

向いている人

テキストを mp3 に変え、任意でその後 S3 に上げたいなら、このサービスが合います。公式は Kokoro Text to Speech の MCP サーバーだと書き、ローカル mp3 を生成し、S3 アップロードの選択肢を出しています。

すでに公式リポジトリをクローンでき、uv を使え、onnx 重みをダウンロードできる人向けです。公式は kokoro-v1.0.onnx と voices-v1.0.bin を同じリポジトリディレクトリへ置くことを求めています。中間の wav を mp3 にするため ffmpeg も必要です。Mac で公式が出すインストールは brew install ffmpeg です。

クラウドインタフェースだけを呼びたい人、または手元に音声ファイルが落ちるのを嫌がる人には向きません。生成そのものがディスクに mp3 を書きます。初回から結果を S3 へ送りたい人にも向きません。それは音声を手元の外へ出します。

公式リポジトリ:

https://github.com/mberg/kokoro-tts-mcp

重みの出所:

https://github.com/thewh1teagle/kokoro-onnx

3 分で初回試行を終える

公式の推奨経路は1本だけです。重みを置いたローカルリポジトリで、uv で mcp-tts.py を実行します。別のインストーラを探さず、初回は S3 を設定しないでください。

uv run mcp-tts.py

前提条件:公式リポジトリが手元にあること。kokoro-v1.0.onnx と voices-v1.0.bin をダウンロードし、スクリプトと同じディレクトリにあること。ffmpeg が手元にあること。重みファイルのアドレス:

https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files-v1.0/kokoro-v1.0.onnx

https://github.com/thewh1teagle/kokoro-onnx/releases/download/model-files-v1.0/voices-v1.0.bin

設定場所:上記の uv コマンドを、今の MCP クライアントのサーバー起動項目に書き、作業ディレクトリをそのリポジトリへ向けます。つながったら低リスクな呼び出しを1回します。クライアントがこのサーバーについて見せるツールのうち、ローカル mp3 を生成する項目を選びます。公式は関数名を並べて書いていません。関数名を作らないでください。合成は手元にファイルを書き、ディスクも使います。

成功の合図:リポジトリディレクトリに新しい mp3 が現れ、S3 へは上がっていないこと。起動に失敗したら、先に2つの重みファイルが mcp-tts.py と同じディレクトリか、ffmpeg が使えるかを確認してください。

使用例

例 1:手元で音を出す。対象は生成してローカル保存する mp3 です。クライアントが実際に見せる合成ツールを使い、プライバシーの無い短い一文を入れます。証拠に引数表も声色フィールド名もありません。成功は手元に mp3 が出ることです。自動再生するとは仮定しないでください。

例 2:任意の S3 アップロード。公式は mp3 がローカルにあり、選択で S3 へ上げられ、これらのファイルの管理方法も設定できると明記しています。それは外部通信です。確認点は、上げる音声を既に見て、オブジェクトストレージに入ることを受け入れてから動くことです。このページはキー変数名を書いていません。作らないでください。クライアントにアップロード項目が無ければ、ここで止めてください。

使用上の境界

重みファイルまたは ffmpeg が無いときは起動しないでください。公式は Mac の brew install ffmpeg だけを書いています。他システムのパッケージ管理コマンドに書き換えないでください。uv が推奨起動です。出ていないパッケージインストーラに変えないでください。

S3 アップロードは外部通信し、公式説明どおりアップロード後にローカルファイルを消すか残すかがあり得ます。名前のないバケット名、リージョン、認証情報フィールドは補わないでください。合成はゼロリスクではありません。テキストは手元のモデルに入り、音声はディスクに落ちます。公式は取り消しやアンインストール経路を書いていません。