salutespeech-mcp について
salutespeech-mcp は Sber SaluteSpeech API によるロシア語の音声認識と合成を MCP クライアントに提供します。5 つのツールで Base64 音声やローカルファイルを扱い、モデルや音声の一覧も取得できます。
主な機能
- 01Base64 音声からの音声認識
- 02ローカルファイルからの音声認識
- 03Base64 音声データでの音声合成
- 04認識モデルと合成音声の一覧
- 05非同期認識タスクの状態確認
活用シーン
- 01会議録音の文字起こし
- 02テキストから音声を合成
- 03利用可能な認識モデルと音声の確認
MCP 対応
MCP サーバーは Sber SaluteSpeech API の音声認識、合成、モデル一覧、タスク状態確認を行う 5 つのツールを公開します。stdio と Streamable HTTP に対応します。
設定
ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。
ツール
2掲載時のツール一覧 · 2 週間前に更新
| パラメーター | 型 | 必須 | 説明 |
|---|---|---|---|
| language | string | いいえ | 認識言語 |
| audio_base64 | string | はい | Base64 形式の音声データ |
| content_type | string | いいえ | 音声の MIME タイプ(audio/wav、audio/ogg;codecs=opus、audio/mpeg) |
詳細
SaluteSpeech MCP — AI アシスタント向けロシア語音声の認識と合成
通話やボイスメッセージを文字起こしする方法、Sber の音声でテキストを読み上げる方法、独自のバックエンドなしでロシア語の音声認識を Claude に接続する方法をお探しなら、これがその答えです。Sber SaluteSpeech API を利用する 5 つのツール:音声認識(STT)と音声合成(TTS)。
@theYahia による WWmcp シリーズ(46 サーバー)の一部です。
インストール
Claude Desktop
{
"mcpServers": {
"salutespeech": {
"command": "npx",
"args": ["-y", "@theyahia/salutespeech-mcp"],
"env": { "SALUTESPEECH_API_KEY": "your-base64-key" }
}
}
}
Claude Code
claude mcp add salutespeech -e SALUTESPEECH_API_KEY=your-key -- npx -y @theyahia/salutespeech-mcp
Streamable HTTP モード
SALUTESPEECH_API_KEY=your-key npx @theyahia/salutespeech-mcp --http --port=3000
# POST http://localhost:3000/mcp
# GET http://localhost:3000/health
認証
3 つの方法があります(上から順に確認されます)。
| 変数 | 形式 |
|---|---|
SALUTESPEECH_API_KEY | client_id:client_secret 文字列を Base64 でエンコードしたもの |
SALUTE_AUTH_KEY | 同じもの(旧エイリアス) |
SALUTE_SPEECH_CLIENT_ID + SALUTE_SPEECH_CLIENT_SECRET | 生の認証情報(自動的にエンコードされます) |
OAuth トークンは自動的に取得・更新されます。デフォルトのスコープは
SALUTE_SPEECH_PERS(個人向け)です。法人アカウントの場合は SALUTE_SPEECH_SCOPE を設定してください
(SALUTE_SPEECH_CORP は後払い、SALUTE_SPEECH_B2B は前払い)。
認証情報は developers.sber.ru で取得できます。
ツール(5)
| ツール | 説明 |
|---|---|
recognize_speech | Base64 形式の音声を認識します |
synthesize_speech | 音声を合成し、Base64 形式で返します |
list_models | 認識モデルと合成音声の一覧を表示します |
get_task_status | 非同期認識タスクのステータスを取得します |
recognize_file | ローカルファイルのパスを指定して音声を認識します |
スキル(Skills)
skill-transcribe— 音声を文字起こしする手順skill-synthesize— 音声を合成する手順
例
Расшифруй аудиофайл /tmp/meeting.wav
Озвучь «Привет, мир» голосом Bys_24000 в формате wav16
Покажи доступные голоса
制限事項
recognize_speech と recognize_file は 同期 エンドポイントを使用し、音声の上限は
2 MB/1 分 です(ファイルが大きい場合は HTTP 413)。マルチチャンネル音声では、最初のチャンネルのみが認識されます。長時間の録音では非同期のワークフローが必要です
(data:upload → speech:async_recognize → task:get → data:download)。このワークフローはまだツールとして提供されていませんが、ステータス確認の手順は get_task_status で行えます。
合成するテキストは 4000 文字(空白と SSML マークアップを含む)までです。
トラブルシューティング
self-signed certificate in certificate chain / UNABLE_TO_VERIFY_LEAF_SIGNATURE
Sber のエンドポイントは Russian Trusted Root CA(НУЦ Минцифры) を使用していますが、この認証局は Node.js のデフォルトの信頼されたルート証明書ストアに含まれていません。そのため、証明書を追加するまでは最初の OAuth リクエストが失敗します。
解決方法:gosuslugi.ru/crt からルート証明書(russian_trusted_root_ca_pem.crt)をダウンロードし、Node.js に指定します。
export NODE_EXTRA_CA_CERTS=/path/to/russian_trusted_root_ca_pem.crt
MCP クライアントで、この変数をサーバーの env ブロックに追加してください。本番環境では
NODE_TLS_REJECT_UNAUTHORIZED=0 を設定しないでください。TLS 検証が完全に無効になります。
公式手順:SaluteSpeech の証明書。
ライセンス
MIT
コメント
AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。