Giggy Speech MCP

Giggy MCP — 面向 AI Agent 的文本转语音和录音转录

Giggy MCP 是一个远程 Streamable HTTP Model Context Protocol（MCP）服务，可供编码 Agent 和 AI 客户端使用 Giggy 文本转语音和录制音频语音转文本功能。

它向 Codex、Claude Code、Cursor、VS Code、Cline、兼容 Windsurf 的客户端及其他 MCP 客户端提供 Giggy 语音工具。

MCP 注册表和插件目录

Giggy 的远程语音 MCP 端点是：

https://giggy.ai/mcp

本仓库包含以下发布材料：

• 官方 MCP 注册表：server.json
• OpenAI / Codex：openai-plugin/
• Claude Code：.claude-plugin/plugin.json

请参阅目录提交状态和要求。

公开注册表收录、插件提交和获批发布是不同的步骤。请参阅提交文档，了解经核实的状态。

为 AI 编码 Agent 安装

Agent Skill — Codex 和 Claude Code

npx skills add giggy-ai/giggy-mcp --skill giggy-speech

该 Skill 可指导 TTS、录制 STT、实时麦克风 WebSocket STT、SDK 和 Pipecat 集成，无需连接 MCP。执行 MCP 工具仍需要经过身份验证的连接。实现前，请在 https://giggy.ai/llms-full.txt 查看当前的软件包和工作流指南。

Claude Code 插件

claude plugin marketplace add giggy-ai/giggy-mcp
claude plugin install giggy-speech@giggy

Codex

按照下方现有的 Codex MCP 设置说明操作。

提示词示例

“使用 Giggy 列出可用的英语语音，生成一段 简短的 Batch 语音示例，说出‘Hello from Giggy’， 并返回生成的音频 URL。”

了解 Giggy

• 官方 MCP 注册表
• 语音 API 文档
• 可运行示例
• 目录提交状态

选择指南、工具执行或发布

目标	现有路径	检查项
编写集成代码	安装 Skill 并阅读当前 SDK/API 指南	仅编写代码无需 MCP 连接或推理。
执行语音工具	使用客户端自己的密钥配置 MCP	检查 tools/list；应有下方列出的五个工具。只读发现与计费生成是分开的。
运行实时麦克风 STT	使用文档说明的服务端 WebSocket 或 SDK 实时工作流	MCP 录音转录不是实时传输方式。
安装本地插件	使用现有的插件/客户端说明	本地安装不代表已获准进入市场。
检查公开可用性	阅读注明日期的目录状态文档	准备好的归档文件或过去登录过门户，都不能证明当前已获批准。

对于 Codex，请使用下方基于环境变量的 TOML 配置。下方提供了 Claude Code 的 JSON 示例。Cursor、VS Code、Cline 和 Windsurf 客户端示例位于 examples/。请使用已安装客户端支持的配置格式；不要将共享密钥粘贴到清单或聊天中。

本仓库中记录的路径是 API 密钥 Bearer 设置。OAuth 是独立的：在声称可用之前，请一并验证托管服务、客户端和按用户授权。候选 OAuth 源代码不代表已验证的托管流程。请尊重用户的预算和现有授权；验证设置并不意味着可以调用付费的 Fast/Streaming 或麦克风功能。

对于仅编写代码的首次任务，请这样提问：“使用 Giggy Skill 实现显式的 Batch TTS，将 SDK 音频字节保存下来；或者实现录音 STT 并获取最终文本。MCP 工作流会轮询返回的 UUID，以获取已完成结果的 URL。检查当前文档；不要执行请求。”对于实时集成，请这样提问：“实现文档说明的实时 WebSocket 流程，保留就绪、停止和最终验证步骤；只编写代码。”

快速设置

在 Codex 中使用 Giggy MCP

在环境中设置 GIGGY_API_KEY，然后添加到 ~/.codex/config.toml：

[mcp_servers.giggy-speech]
url = "https://giggy.ai/mcp"
bearer_token_env_var = "GIGGY_API_KEY"

在 Claude Code 中使用 Giggy MCP

设置 GIGGY_API_KEY，然后进行配置：

{
  "mcpServers": {
    "giggy-speech": {
      "type": "http",
      "url": "https://giggy.ai/mcp",
      "headers": { "Authorization": "Bearer ${GIGGY_API_KEY}" }
    }
  }
}

不要将 API 密钥放入提交到源代码管理的配置文件中。

远程 MCP 服务

https://giggy.ai/mcp

传输方式：

Streamable HTTP

当前的 Giggy MCP 端点是无状态的，接受 POST 请求。

身份验证

使用 Giggy API 密钥：

Authorization: Bearer $GIGGY_API_KEY

Giggy API 密钥以以下内容开头：

giggy_sk_

将密钥保存在 MCP 客户端的密钥配置或环境配置中。

请勿：

• 将密钥放入普通提示词中
• 将密钥提交到源代码管理
• 将密钥嵌入浏览器 JavaScript 中

语音工具

此仓库记录了以下 Giggy 语音工具：

list_voices
list_my_voices
generate_speech
get_speech_generation
transcribe_audio

调用这些工具之前，请先查看已连接服务的工具架构。录音转写采用异步受理，之后可持久化检索状态和结果。MCP 不传输实时麦克风音频帧；如需执行此工作流，请使用 Python 或 Node.js SDK。

使用编码助手转写录制的音频

使用你自己的 Giggy API 密钥连接 MCP，然后提出请求：“使用 Giggy 和可用的录制音频工具转写我有权处理的录音，保留生成 UUID，并检索已完成的转写结果。”

助手必须检查 transcribe_audio 的当前架构，准备受支持的输入，并为每个预期操作使用一个幂等键。轮询 get_speech_generation，不要重新提交。仅在操作完成后检索规范转写文本；不要将受理结果视为最终文本。付费使用前，请查看价格和限制。当前转写协议不提供说话人分离、词级时间戳、情感分析或 PII 脱敏功能。

有关 SDK、Pipecat、n8n 和学习资源，请参阅开发者工具指南。

推荐的语音工作流

1. 调用 list_voices 或 list_my_voices。
2. 选择返回的确切 voice_id。
3. 使用显式的 mode=batch 调用 generate_speech，以使用免费的排队工作流；付费模式需要授权。
4. 每次新的预期生成都提供一个全新的 idempotency_key。
5. 保存 generation.generation_uuid。
6. 当状态为 queued 或 processing 时，调用 get_speech_generation。
7. 状态变为 completed 后，使用 generation.result.url。

轮询现有生成任务时，不要重新提交新的生成任务。

在 Codex 中使用 Giggy MCP

设置：

export GIGGY_API_KEY="giggy_sk_..."

然后将此内容添加到：

~/.codex/config.toml

[mcp_servers.giggy-speech]
url = "https://giggy.ai/mcp"
bearer_token_env_var = "GIGGY_API_KEY"

可直接复制的版本位于：

examples/codex-config.toml

验证：

codex mcp list

在 Claude Code 中使用 Giggy MCP

设置：

export GIGGY_API_KEY="giggy_sk_..."

项目 MCP 配置位于：

examples/claude-code.mcp.json

其内容如下：

{
  "mcpServers": {
    "giggy-speech": {
      "type": "http",
      "url": "https://giggy.ai/mcp",
      "headers": {
        "Authorization": "Bearer ${GIGGY_API_KEY}"
      }
    }
  }
}

将该配置复制到：

.mcp.json

即 Claude Code 应使用 Giggy 的项目目录中。

然后运行：

claude mcp list

或在 Claude Code 中使用：

/mcp

其他 MCP 客户端

以下提供了可直接复制的客户端配置：

客户端	示例
Codex	examples/codex-config.toml
Claude Code	examples/claude-code.mcp.json
Cursor	examples/cursor.mcp.json
VS Code	examples/vscode.mcp.json
Cline	examples/cline.mcp.json
兼容 Windsurf 的客户端	examples/windsurf.mcp.json

Cursor

设置：

export GIGGY_API_KEY="giggy_sk_..."

复制或合并：

examples/cursor.mcp.json

到：

.cursor/mcp.json

用于项目配置，或：

~/.cursor/mcp.json

用于全局配置。

VS Code

复制或合并：

examples/vscode.mcp.json

到：

.vscode/mcp.json

此示例使用 VS Code Local harness 及其密码样式的 ${input:giggy-api-key} 提示。它不是通用的 Copilot-harness 配置：VS Code 格式的输入/命令机密不会转发到该 harness。请查看官方 MCP 配置参考，了解所选 harness 支持的环境变量标头格式。不要在已提交的文件中用密钥替换机密占位符。

Cline

打开 Cline 的 MCP 服务配置，并复制以下内容：

examples/cline.mcp.json

仅在本地配置中替换：

YOUR_GIGGY_API_KEY

不要提交已配置的文件。

兼容 Windsurf 的客户端

对于使用以下路径的安装：

~/.codeium/windsurf/mcp_config.json

请合并以下内容：

examples/windsurf.mcp.json

并仅在本地配置中替换：

YOUR_GIGGY_API_KEY

原始 MCP 示例

设置：

export GIGGY_API_KEY="giggy_sk_..."

初始化：

./examples/initialize.sh

列出工具：

./examples/list-tools.sh

列出公开语音：

./examples/list-voices.sh

重要行为

generate_speech 返回持久的生成元数据。

它不会通过 MCP 返回实时 MP3 或 PCM 音频字节。

如需渐进式 PCM 音频，请使用：

POST https://api.giggy.ai/v1/text-to-speech

搭配：

mode=streaming
output_format=pcm_24000

开发者资源

语音 API 文档：

https://giggy.ai/docs/speech-api

OpenAPI：

https://api.giggy.ai/v1/openapi.json

可运行示例：

https://github.com/giggy-ai/giggy-examples

定价：

https://giggy.ai/pricing

官方 SDK 和可运行示例：

• Giggy JavaScript/TypeScript SDK
• Giggy 集成示例