claudio-audiobook

これは何ですか

claudio-audiobook は Model Context Protocol（MCP）サーバーです。AI アシスタントに追加すると、コンピューター上でテキストをオーディオブックに変換できるようになります。まず Claude（Desktop および Code。ワンクリック拡張機能とプラグインとして）向けに構築・テストされており、ほかの MCP 対応ツールでも動作します。AI を使わずに利用できる、通常のコマンドラインも備えています。

未対応：ローカル MCP サーバーを実行できないウェブチャットアプリ（ChatGPT と Gemini のウェブサイト）。

なぜ作ったのか

テキスト読み上げ API は文字数に応じて課金され、テキストは他社のサーバーに送信されます。オーディオブックアプリで再生できるのは、すでに存在する本だけです。claudio-audiobook はこのギャップを埋めます。 作りたいオーディオブックを説明すると、Claude が読み上げ向けの文章を書き、82M パラメーターの Kokoro 音声があなた自身のマシンで読み上げます。

試聴する

編集なしの実際の出力です。docs/samples/python-intro.md のテキストを音声 bf_emma で読み上げています。

▶ python-intro-bf_emma.mp3（18 秒、109 KB）

このサンプルは、作者の Mac で約 6 秒（CPU のみ）で生成されました。全 11 章、36 分の試験対策講座は約 3 分で生成できました。

60 秒でインストール

Claude Code では uv が必要です（インストール方法: macOS brew install uv、Windows winget install --id=astral-sh.uv -e）。ffmpeg を含む、それ以外のものはすべて自動でインストールされます。音声モデル（約 330 MB）は初回使用時にダウンロードされます。

Claude Code

/plugin marketplace add restante/claudio_audiobook
/plugin install claudio-audiobook --marketplace restante/claudio_audiobook

スキルを使わず、MCP サーバーだけを使いたい場合は？

claude mcp add claudio-audiobook -- uvx --from claudio-audiobook claudio-audiobook-mcp

Claude Desktop

1. リリースからclaudio-audiobook-<version>.mcpbをダウンロードします。
2. Claude Desktopで開きます（Settings → Extensions）。
3. 任意：拡張機能の設定で、デフォルトの音声、速度、フォルダーを設定します。

依存関係はデスクトップ側でインストールされます。

DesktopでPocket TTSエンジンを使いたいですか？ 同じリリースページから、標準版の代わりにclaudio-audiobook-pocket-<version>.mcpbをインストールしてください（どちらか一方のみをインストールします）。Pocket TTS（7言語、音声クローン）と「デフォルトエンジン」の設定が追加されます。初回起動時にPyTorchと音声エンジンがダウンロードされます（約1 GB）。テストでは高速な接続で1分以内、低速な接続ではさらに時間がかかりました。ダウンロードが終わるまでClaudeに拡張機能が失敗と表示されることがあります（完了まで待ってから再接続してください）。

その他のAIツール

これは標準的なMCPサーバー（stdio）なので、Claude専用ではありません。一度インストールしたら、使用するツールから接続します。

uv tool install claudio-audiobook                                   # from PyPI; puts claudio-audiobook-mcp on your PATH
claudio-audiobook download-model                                    # the voice model, about 330 MB, once
claudio-audiobook doctor                                            # checks everything is in place

先にインストールすることが重要です。uvxの初回実行ではすべてをダウンロードしてインストールする必要があり、クライアントの起動タイムアウトを超えることがあります。ツールがコマンドを見つけられない場合は、フルパスを使用してください（which claudio-audiobook-mcp）。

{
  "mcpServers": {
    "claudio-audiobook": {
      "type": "stdio",
      "command": "claudio-audiobook-mcp"
    }
  }
}

{
  "servers": {
    "claudio-audiobook": {
      "type": "stdio",
      "command": "claudio-audiobook-mcp"
    }
  }
}

{
  "mcpServers": {
    "claudio-audiobook": {
      "command": "claudio-audiobook-mcp"
    }
  }
}

[mcp_servers.claudio-audiobook]
command = "claudio-audiobook-mcp"
startup_timeout_sec = 60

同じ設定内のCLAUDIO_AUDIOBOOK_*環境変数で、デフォルト値（音声、速度、フォルダー）を設定できます。たとえば、"env": { "CLAUDIO_AUDIOBOOK_VOICE": "bf_emma" }のように指定します。シェルを実行できるエージェントであれば、コマンドラインを直接使うこともできます。

ステータス： サーバーは汎用MCP stdioクライアントで確認済みです（ハンドシェイク、ツール一覧、ドライラン）。また、CursorとGeminiで正しく処理されない構文を避けるため、ツールのスキーマをテストしています。上記の設定は各ツールの現行ドキュメントに沿っていますが、まだ各ツール内で実行していません。動作しない場合は、Issueを作成してください。

使用例

そのまま頼むだけです。Claudeが範囲を確認し、文章を作成して章の一覧と長さを表示し、バックグラウンドで音声を生成してファイルの場所を知らせます。

ゼロから作るコース

初心者向けのPythonコースを、落ち着いた英国の音声で、約1時間のオーディオブックにしてください

自分のテキスト

~/notes/book.mdをオーディオブックにしてください。

普段の言葉で指示する

もっとゆっくり · 別の音声に · af_heartとbf_emmaを60/40でミックス · 文と文の間をもっと長く · mp3にして

活用アイデア

• 🎓 通勤中に聴ける復習ノートや試験対策コース
• 📰 料理をしながら読み上げてもらう長い記事や論文
• 🧒 自分で選んだ音声で楽しむ寝る前のお話
• 🌍 語学練習：if_saraで読み上げるイタリア語のテキストや、フランス語のアクセントで読む英語のテキスト
• 💼 ポッドキャスト風の音声ファイルにしたオンボーディング資料やチームハンドブック

生成されるもの

~/Audiobooks/python-for-beginners/
├── python-for-beginners.m4b      ← one file, with chapter marks
├── 01-welcome.wav
├── 02-variables.wav
└── ...

コマンドライン

実行例（docs/samples/python-intro.md より）：3 章を読み込ませると、章マーカー付きの .m4b が 1 つ出力されます。

すでにあるテキストなら、Claude は必要ありません。

uvx --from claudio-audiobook \
  claudio-audiobook build book.md --voice bf_emma --speed 0.95

レンダリングの前にプレビューできます。これは実際の出力です。

$ claudio-audiobook build course.md --dry-run
  1  01-welcome.wav                                 ~  0.1 min
  2  02-variables.wav                               ~  0.1 min
  3  03-loops.wav                                   ~  0.1 min
3 chapters, about 0.0 h of audio

章は # headings（または Chapter 3 のような行）から始まります。見出しのないファイルは分割されます。 処理が中断されても、再実行すれば完了済みの章は保持され、テキストまたは設定が変更された章だけが作り直されます。

どこでも再生：章、タグ、カバーアート

デフォルトの出力は、標準的なオーディオブックファイルである M4B です。章マーカー付きの AAC 音声、プレーヤーで Audiobooks に分類するためのタグ（タイトル、著者、ナレーター、ジャンル「Audiobook」）、そしてカバーが含まれます。

• カバーアートはローカルで自動作成されます。 AI にイメージ（「ダークグリーンのカバー」）を伝えると、色が選ばれ、cover_colors として渡されます。自分の画像を指定することもできます（「~/Pictures/cover.png を使って」）（--cover）。本のフォルダーに置いた cover.jpg または cover.png も使われます。--cover none を指定すると省略されます。
• 著者とナレーターは、チャット（「Ada Lovelace 著」）または --author フラグから設定されます。デスクトップ拡張機能の設定で、デフォルトの著者を一度設定できます。
• 生成されるカバーは組み込みのラテン文字フォントを使います。中国語、日本語、韓国語のタイトルは空の四角で表示されるため、それらの本には専用のカバー画像を指定してください。

次のアプリにインポートできます。

M4B を読み込めないプレーヤー（車載ステレオの一部など）では、--format mp3 を指定してください。Audible と Kindle は独自形式を使用しているため、インポートできません。

オプションの第 2 エンジン：Pocket TTS

Pocket TTS（Kyutai、1 億パラメーター）は、オプションの第 2 音声エンジンです。 作者が実施した小規模なブラインド試聴テスト（リスナー 1 名）では、自然な英語が好まれ、イタリア語も良好と評価されました。ノート PC の CPU で Kokoro と同等の速度（Apple M1 で実時間の約 4 倍）で、英語、イタリア語、フランス語、ドイツ語、ポルトガル語、スペイン語、オランダ語を話し、27 種類の組み込み音声を備え、短い音声クリップから声をクローンできます。デフォルトは引き続き Kokoro です。

uv tool install claudio-audiobook --with pocket-tts      # or: pip install claudio-audiobook pocket-tts
claudio-audiobook voices --engine pocket
claudio-audiobook build libro.md --engine pocket --lang it

チャットで「Pocket エンジンをイタリア語で使って」と指示してください。Kokoro との違いは以下のとおりで、設定が黙って無視されることはありません。

• speed、clause_pause、trim の設定はありません（別の速度を指定するとエラーになります）。文と章の間のポーズは機能します。
• voice にはカタログ名（alba、giovanni など）、またはクローンするための 5〜30 秒のノイズのない音声クリップのパスを指定します。**使用する権利のある声だけをクローンしてください。**省略すると、各言語のデフォルト音声が使われます（イタリア語：giovanni）。
• Claude Desktop では、別個の claudio-audiobook-pocket 拡張機能を使ってください（「インストール」を参照）。標準の拡張機能がインストールするのはデフォルトの依存関係のみで、Pocket TTS は含まれません。
• 各言語のモデル（約 400 MB）は、その言語を初めて使うときに Hugging Face から一度ダウンロードされます。
• Pocket TTS の重みは © Kyutai、ライセンスは CC BY 4.0 です。コードは MIT です。

54 種類の音声、9 言語

American English: af_heart, af_bella, af_nova, am_adam, am_michael, ...
British English:  bf_emma, bf_isabella, bm_george, bm_lewis, ...
Italian:          if_sara, im_nicola
Spanish:          ef_dora, em_alex          French: ff_siwis
Hindi, Japanese, Brazilian Portuguese, Mandarin Chinese ...

2 つの音声を組み合わせて新しい音声を作成できます：--voice af_heart:0.6,bf_emma:0.4。すべての音声を一覧表示するには、claudio-audiobook voices を実行してください。

すべての設定

MCP ツールの引数、CLI フラグ、および（最初の5項目と作成者については）デスクトップ設定または CLAUDIO_AUDIOBOOK_* 環境変数で指定できます。

--dry-run は、章と推定再生時間を表示し、レンダリングは行いません。--force はすべてを再実行します。 claudio-audiobook doctor はインストール状態を確認します。

仕組み

 "create a python course"
          │
          ▼
   Claude writes spoken-style markdown   ← the skill / prompt teaches it to write for the ear
          │
          ▼
   MCP server: make_audiobook            ← runs as a detached job; survives a restart of Claude
          │
          ▼
   Kokoro (ONNX) renders each chapter    ← local, resumable, voice blends, pauses
          │
          ▼
   ffmpeg packs .m4b with chapter marks  ← bundled, nothing to install

4つの MCP ツール（make_audiobook、audiobook_status、list_voices、setup_check）、write_audiobook プロンプト、 および audiobook スキルを備えています。ローカルの stdio サーバーを実行できるあらゆる MCP クライアントで動作します。

プライバシー

claudio-audiobook はお使いのマシン上で動作します。テキストや音声がアップロードされることはなく、テレメトリーも、 アカウントも、API キーも必要ありません。

ネットワークを使用するのは、PyPI からパッケージとその依存関係をインストールする場合（uv または pip が実行）と、音声モデルを一度だけダウンロードする場合に限られます。Kokoro は GitHub リリースからダウンロードし、SHA-256 チェックサムで検証します。任意の Pocket エンジンを選択した場合は、モデルと音声を Hugging Face からダウンロードします。起動するのは自身のプログラムのみです。バンドルされた ffmpeg、音声エンジンの起動時チェック、および同じパッケージの バックグラウンドワーカーです。認証情報の読み取りや送信は行いません。設定には CLAUDIO_AUDIOBOOK_* 環境変数を使用し、パスで展開されるのはホームフォルダー（~、$HOME）だけです。

FAQ

料金はかかりますか？ いいえ。Claude 自体は現在ご利用のプランによりますが、音声は無料でローカルに動作します。

音声の品質はどうですか？ サンプルを聴いてご自身で判断してください。Kokoro は小規模な オープン TTS モデルの中でも特に優れていますが、人間のナレーターではありません。自然で明瞭に読み上げますが、 珍しい名前でアクセントがおかしくなることがあります。

GPU は必要ですか？ いいえ。CPU で動作します。

Windows／Linux でも使えますか？ コードはクロスプラットフォームで、CI ではテストを実行しています。Claude Desktop については macOS でテスト済みです。 Windows では、まだエンドツーエンドのテストを行っていません。動作報告をお待ちしています。

別の音声モデルを使えますか？ CLAUDIO_AUDIOBOOK_MODEL_FILE と CLAUDIO_AUDIOBOOK_VOICES_FILE に お手元の Kokoro ファイルを指定してください。

貢献

Issue や PR を歓迎します。特に Windows のテスト、新しい言語、サンプルのオーディオブックを歓迎します。アーキテクチャとルールについては CLAUDE.md をご覧ください。

uv venv --python 3.12 && uv pip install -e ".[dev]" && .venv/bin/pytest

サブスクリプションの節約につながった場合は、⭐を付けていただけると、ほかの方にも見つけてもらいやすくなります。

MIT。音声は Kokoro によるもので、 kokoro-onnx 経由で提供されています。