Supertonic3 Mcp

supertonic3-mcp

Supertonic 3 を活用した、Claude と Cursor 向けのローカルデバイス上で動作する TTS です。API キーもクラウドも不要です。建設業界向けの AI コンプライアンスインテリジェンスを開発する Halozen がオープンソースとして公開した社内ツールです。

Supertone Inc. とは関係ありません。

STDIO 経由で speak、list_voices、list_expressions を Claude Desktop、Cursor、または任意の MCP クライアントに公開します。

クイックスタート（TTHW < 3 分）

git clone https://github.com/nextic-tech/supertonic3-mcp && cd supertonic3-mcp
python3 -m venv .venv && source .venv/bin/activate
pip install -e ".[dev]"

# Optional: pre-download model for offline use (~400MB)
supertonic3-mcp preload

# Run MCP server (STDIO)
supertonic3-mcp

Cursor MCP の設定

.cursor/mcp.json に追加します（または Cursor の「設定」→「MCP」から設定します）。

{
  "mcpServers": {
    "supertonic3": {
      "command": "/absolute/path/to/supertonic-tts/.venv/bin/supertonic3-mcp",
      "args": []
    }
  }
}

最初にサーバーを起動すると、事前に preload を実行していない場合、Supertonic モデルが ~/.cache/supertonic3/ にダウンロードされます。

ツール

ツール	説明
speak	テキストを WAV ファイルに合成します。絶対パスとメタデータを返します
list_voices	組み込み音声（voice_id、gender）
list_expressions	説明付きのインラインタグ（<laugh>、<breath>、…）

speak のパラメーター

• text — 1～5000 文字。表現タグを使用できます
• voice_id — 任意（M1、F1、…）
• language — ISO 639-1（en、ko、ja、…）。英語以外のテキストでは、必ず language= を設定してください。 デフォルトは en です。
• speed — 0.7～2.0（SDK の範囲）
• play — true の場合、afplay（macOS）または aplay（Linux）を使ってこのマシンで音声を再生します。Windows ではサポートされていません。

WAV ファイルは /tmp/supertonic_*.wav（macOS/Linux）に書き込まれます。v1.0 では、Windows は合成出力先のパスとしてサポートされていません。

戻り値の例：

Audio saved to /tmp/supertonic_abc123.wav (1.4s, voice: M1, lang: en)

パフォーマンス（このリポジトリ）

Apple M3、supertonic 1.3.1 で測定しました。詳細は benchmark/results.md を参照してください。

シナリオ	FSL の中央値
ウォーム（モデル読み込み済み）	~0.82s
コールド（呼び出しごとに新しい TTS() を作成）	~0.81s

FSL = synthesize() の呼び出しから WAV の書き込み完了までの時間（ストリーミングなし、play=True なし）。

再実行するには、python benchmark/run.py を実行します。

オフラインでの使用

supertonic3-mcp preload

ONNX の重みを ~/.cache/supertonic3/ にアトミックにダウンロードし、SHA256 チェックサムを表示します。事前読み込み後は、ネットワークに接続しなくても音声を合成できます。

開発

pip install -e ".[dev]"
pytest

テストでは Supertonic SDK をモックします（CI でネットワークを使用しません）。

v1.1 で追加予定

• listen() — Whisper による音声テキスト変換（pip install supertonic3-mcp[stt]）
• リモートエージェント向けの SSE トランスポートと Docker イメージ
• PyPI 公開ワークフロー

ライセンス

MIT（このパッケージ）。Supertonic SDK は MIT ライセンスです。モデルの重みには OpenRAIL-M が適用されます。

免責事項

AI 生成音声は、認定を受けた安全、法律、医療に関する助言の代わりにはなりません。デモンストレーションのみを目的としています。