Voxtral TTS MCP

Voxtral TTS MCP サーバー

Voxtral TTS オンライン無料テキスト読み上げ＆音声クローン読み上げ

Voxtral TTS の正式なナレッジを提供する Model Context Protocol サーバーです。音声と TTS のワークフロー、FAQ、公式リンクを、Claude Desktop、Cursor、Windsurf、Continue などの MCP 対応 AI クライアントに公開します。読み取り専用で、API キーや利用枠は不要です。コールドスタートは約 50 ms です。

公式ウェブサイト：https://voxtraltts.online

🎙️ Voxtral TTS について

Voxtral TTS は、voxtraltts.online から利用できる Mistral AI のテキスト読み上げプラットフォームです。9 言語の文章を、リアルで感情豊かな音声に変換します。3.4 billion パラメーターのトランスフォーマーデコーダーを基盤とし、フローマッチング音響トランスフォーマーとニューラル音声コーデックを組み合わせたこのシステムは、音声品質、低レイテンシー、多言語間での話者の一貫性が重要となる本番環境向けに設計されています。ホスト型 API は 1,000 文字あたり $0.016 で利用でき、基盤モデルの重みも Hugging Face で公開されているため、セルフホストでのデプロイを希望するチームにも対応します。フランス語とアラビア語の両方で一貫したナレーター音声が必要な場合でも、100 ミリ秒未満で応答するリアルタイム音声エージェントが必要な場合でも、Voxtral TTS はその幅広いニーズに対応できるよう設計されています。

主な機能

• 低レイテンシー推論：モデルのレイテンシーは約 70 ms、リアルタイム係数は約 9.7 倍です。バッチ式のナレーション作成だけでなく、対話型音声アプリケーションやライブエージェントにも適しています。
• ゼロショット音声クローン：3～25 秒の参照音声クリップだけで、ファインチューニングのパイプラインを使わずに、モデルを独自の話者の声に適応させられます。
• 言語をまたいだ話者の一貫性：同じクローン音声を、英語、フランス語、ドイツ語、スペイン語、オランダ語、ポルトガル語、イタリア語、ヒンディー語、アラビア語の 9 つの対応言語すべてで、話者らしい声を保ったまま使用できます。
• 感情スタイルの制御：ニュートラル、ハッピー、皮肉など、特徴の異なる表現スタイルに出力を誘導できるため、別々の音声素材を録音せずに、チームがトーンを制御できます。
• 内蔵音声ライブラリ：名前付きのすぐに使える音声（Margaret、Paul、Marie、Oliver など）が用意されており、参照音声を提供せずにすぐに利用を開始できます。
• 柔軟なデプロイ：API は Mistral Studio および標準的な REST エンドポイントから直接統合できます。オープンソースの重みを使えば、コンプライアンス要件の厳しい環境向けに、外部ネットワークから隔離した環境やオンプレミス環境にもデプロイできます。

ユースケース

• カスタマーサポートの自動化：IVR システム、自動振り分けメニュー、長時間のセッションや複数言語にわたって一貫した音声が求められるサポートボット向けに、音声応答を生成します。
• 製品のオンボーディングと解説ナレーション：ドキュメント、ツールチップ、操作ガイドのスクリプトを、スタジオで録音せずに音声に変換できます。テキストを更新するのと同じ速さで音声も更新できます。
• 多言語マーケティングとローカライズ：単一のスクリプトから、言語ごとに同じ話者の声を使って各地域向けのキャンペーン音声を制作し、あらゆる市場でブランドの声に一貫性を持たせます。
• リアルタイム音声エージェント：テキストから音声への往復時間を1秒未満に保つ必要がある、会話型 AI エージェント、バーチャルアシスタント、電話ボットを強化します。
• 規制対象業界のワークフロー：セルフホスト可能なモデルの重みを使って、音声合成をプライベートなインフラストラクチャ内で完結させ、金融、医療、製造業などで求められるデータレジデンシー要件に対応します。

対象ユーザー

Voxtral TTS は、単発の音声ツールを探しているのではなく、アプリケーションに音声機能を組み込む製品チーム、エンジニア、グロース担当者を対象としています。API ファーストの設計と文字単位の料金モデルは、カスタマー向けチャットボット、ローカライズのワークフロー、社内の音声エージェントなど、より大きなパイプラインに TTS を統合したい開発者に適しています。ゼロショット音声クローン機能と多言語間の一貫性により、言語ごとに別々の音声録音を維持できない、多言語の利用者を対象とするチームに特に役立ちます。規制対象業界のチームは、推論をすべて自社のインフラストラクチャ上で実行できるオープンソースの重みオプションを活用できます。

ツール

list_voices

サイトで公開されている標準の音声と TTS 設定を返します。（Voxtral TTS）

入力： パラメーターなし。戻り値： テキスト／Markdown。

get_official_links

Voxtral TTS の公式リンク（ウェブサイト、サポート、利用可能な場合はドキュメント）の標準リストを返します。

入力： パラメーターなし。戻り値： テキスト／Markdown。

リソース

• site://voxtraltts/voices — 対応する音声、言語、TTS モード。
• site://voxtraltts/faq — 公開サイトのメタデータから生成された簡単な FAQ。
• site://voxtraltts/links — ユーザーと共有する標準 URL。

プロンプト

tell_me_about_voxtraltts

サイトの概要、対象ユーザー、仕組みを要約します。— Voxtral TTS

read_aloud_demo_voxtraltts

サイトの音声を使った読み上げワークフローを計画します。— Voxtral TTS

インストール

Smithery 経由でインストール

npx -y @smithery/cli install voxtraltts-mcp --client claude

（これらのクライアントでは、claude を cursor、windsurf、または continue に置き換えてください。）

ソースからインストール

git clone https://github.com/rocnubie/voxtraltts-mcp.git
cd voxtraltts-mcp
pnpm install

次に、MCP クライアントの設定に追加します（Claude Desktop では claude_desktop_config.json、Cursor／Windsurf／Continue では mcp.json）。

{
  "mcpServers": {
    "voxtraltts-mcp": {
      "command": "node",
      "args": [
        "/absolute/path/to/voxtraltts-mcp/src/index.mjs"
      ]
    }
  }
}

MCP Inspector でデバッグ

npx @modelcontextprotocol/inspector node src/index.mjs

公式リンク

• ウェブサイト：https://voxtraltts.online
• サポート：[email protected]

開発

pnpm install
pnpm start                 # run the server over stdio

ライセンス

MIT