vox

vox

一个原生 macOS MCP 服务，让 Claude 开口说话。

使用 Swift 构建。无需 Node.js。无需 Python。无需 Electron。只有一个二进制文件。

{
  "mcpServers": {
    "vox": {
      "command": "/path/to/vox"
    }
  }
}

然后只需说：listen — Claude 就能听见你。

---

工具

工具	功能
listen	激活麦克风，等待你说话，并在检测到静音时返回转录文本和检测到的语言
speak	大声朗读文本——使用 ElevenLabs TTS，自动回退到 macOS 系统语音

为什么仅使用 Swift + macOS

• AVFoundation — 原生麦克风采集，零开销
• SFSpeechRecognizer — Apple 设备端语音识别，可离线工作，支持 50 多种语言
• NLLanguageRecognizer — 自动检测每段语音的语言
• AVSpeechSynthesizer — 内置 TTS 回退方案，无需 API 密钥
• 仅约 200KB 的二进制文件。无需 npm install。无需 Python 虚拟环境。

要求

• macOS 13+
• 在“系统设置” →“声音” →“输入”中将麦克风设为默认设备
• 为终端应用授予麦克风和语音识别权限
• 可选：在 ~/.claude/.env 中设置 ELEVENLABS_API_KEY，以使用高质量多语言 TTS

安装

选项 1：为 Claude Code 提供提示词

复制并粘贴以下内容到 Claude Code：

Install vox (native macOS voice input/output MCP server):

1. Download the code-signed binary to ~/vox:
   curl -L https://github.com/boska/vox/releases/download/v1.1.0/vox-1.1.0-darwin-arm64 -o ~/vox && chmod +x ~/vox

2. Add to ~/.claude.json in the mcpServers section:
   {
     "mcpServers": {
       "vox": {
         "command": "/Users/$(whoami)/vox"
       }
     }
   }

3. Restart Claude Code

4. Test it by saying: listen

Claude 会处理下载、配置和重启。

选项 2：手动安装（预构建二进制文件）

curl -L https://github.com/boska/vox/releases/download/v1.1.0/vox-1.1.0-darwin-arm64 -o ~/vox && chmod +x ~/vox

然后添加到 ~/.claude.json：

{
  "mcpServers": {
    "vox": {
      "command": "/Users/$(whoami)/vox"
    }
  }
}

重启 Claude Code。

选项 3：从源代码构建

git clone https://github.com/boska/vox
cd vox
swift build -c release --product vox

添加到 ~/.claude.json：

{
  "mcpServers": {
    "vox": {
      "command": "/path/to/vox/.build/release/vox"
    }
  }
}

重启 Claude Code。

语音

默认 TTS 语音是通过 ElevenLabs 提供的 Hana（eleven_multilingual_v2）。同一种语音支持中文、英语、捷克语、越南语等 20 多种语言。没有 ElevenLabs 密钥时，会自动回退到 macOS 系统语音。

工作原理

Claude Code
    ↓ JSON-RPC 2.0 over stdio
  vox binary
    ↓                        ↑
AVAudioEngine        AVSpeechSynthesizer
SFSpeechRecognizer       ElevenLabs API
NLLanguageRecognizer

无需端口。无需套接字。无需守护进程。只使用 stdin/stdout。

故障排除

“未检测到语音” — 调用 listen 后约 1 秒内开始说话，VAD 会在静音 0.8 秒后停止。

没有默认输入设备 — Mac mini 没有内置麦克风。请连接 USB / 蓝牙麦克风，或通过连续互通相机使用 iPhone，并在“系统设置” →“声音” →“输入”中设为默认设备。

ElevenLabs 无声 — 将 ELEVENLABS_API_KEY=sk-... 添加到 ~/.claude/.env，或不设置该项以使用系统语音。