claudio-audiobook

简介

claudio-audiobook 是一个 模型上下文协议（MCP）服务。将它添加到 AI 助手后，助手便能在你的电脑上把文本转换成有声书。它优先针对 Claude（Desktop 和 Code，支持一键扩展和插件）构建并测试，也适用于其他支持 MCP 的工具。它还提供纯命令行模式，可在不使用 AI 的情况下运行。

不支持：无法运行本地 MCP 服务的网页聊天应用（ChatGPT 和 Gemini 网站）。

为什么选择它

文本转语音 API 按字符收费，并会将你的文本发送到其他人的服务器。有声书应用只能播放已经存在的书籍。**claudio-audiobook 填补了这一空缺：**你描述想要的有声书，Claude 将其写成适合朗读的文字，再由 8200 万参数的 Kokoro 语音在你自己的电脑上朗读。

试听

未经编辑的真实输出。语音 bf_emma，内容来自 docs/samples/python-intro.md：

▶ python-intro-bf_emma.mp3（18 秒，109 KB）

作者在 Mac 上仅用 CPU，约 6 秒就生成了这个示例。一套真实的 11 章、36 分钟考试课程约耗时 3 分钟。

60 秒内完成安装

Claude Code 需要安装 uv（安装说明： macOS 使用 brew install uv，Windows 使用 winget install --id=astral-sh.uv -e）。其他所有内容（包括 ffmpeg）都会自动为你安装。语音模型约 330 MB，仅需下载一次，并会在首次使用时下载。

Claude Code

/plugin marketplace add restante/claudio_audiobook
/plugin install claudio-audiobook --marketplace restante/claudio_audiobook

只想安装 MCP 服务，不需要技能？

claude mcp add claudio-audiobook -- uvx --from claudio-audiobook claudio-audiobook-mcp

Claude Desktop

1. 从 Releases 下载 claudio-audiobook-<version>.mcpb。
2. 使用 Claude Desktop 打开它（Settings → Extensions）。
3. 可选：在扩展设置中设置默认语音、语速和文件夹。

桌面应用会自行安装依赖。

想在 Desktop 中使用 Pocket TTS 引擎？ 从同一个 Releases 页面安装 claudio-audiobook-pocket-<version>.mcpb，而不是标准版本（两者择一安装）。它会添加 Pocket TTS（支持 7 种语言，可克隆语音）和“Default engine”设置。首次启动时会下载 PyTorch 和语音引擎，约 1 GB：测试中，快速连接下不到一分钟，慢速连接则需要更久；在下载完成前，Claude 可能会显示扩展失败（请等待，然后重新连接）。

其他 AI 工具

这是标准的 MCP 服务（stdio），并不局限于 Claude。安装一次后，将你的工具指向它：

uv tool install claudio-audiobook                                   # from PyPI; puts claudio-audiobook-mcp on your PATH
claudio-audiobook download-model                                    # the voice model, about 330 MB, once
claudio-audiobook doctor                                            # checks everything is in place

先安装很重要：首次运行 uvx 时必须下载并安装所有内容，这可能会超出客户端的启动超时时间。如果你的工具找不到该命令，请使用其完整路径（which claudio-audiobook-mcp）。

{
  "mcpServers": {
    "claudio-audiobook": {
      "type": "stdio",
      "command": "claudio-audiobook-mcp"
    }
  }
}

{
  "servers": {
    "claudio-audiobook": {
      "type": "stdio",
      "command": "claudio-audiobook-mcp"
    }
  }
}

{
  "mcpServers": {
    "claudio-audiobook": {
      "command": "claudio-audiobook-mcp"
    }
  }
}

[mcp_servers.claudio-audiobook]
command = "claudio-audiobook-mcp"
startup_timeout_sec = 60

在同一配置中使用 CLAUDIO_AUDIOBOOK_* 环境变量设置默认值（语音、语速、文件夹），例如 "env": { "CLAUDIO_AUDIOBOOK_VOICE": "bf_emma" }。任何能够运行 shell 的 Agent 也可以直接使用命令行。

状态： 已使用通用 MCP stdio 客户端检查该服务（握手、工具列表、试运行），并对工具架构进行了测试，以避免使用 Cursor 和 Gemini 处理不当的结构。上述配置遵循各工具的当前文档，但尚未在这些工具内部实际运行。如果你遇到问题，请提交 issue。

示例

直接提出需求即可。Claude 会与你确认范围，撰写文本，展示章节列表和时长，在后台生成音频，并告诉你文件所在位置。

从零开始制作课程

制作一部 Python 入门课程有声书，时长约 1 小时，使用沉稳的英式口音

使用你自己的文本

将 ~/notes/book.md 转换成有声书。

用日常语言调整效果

慢一点 · 换一种声音 · 混合 af_heart 和 bf_emma，比例为 60/40 · 增加句子之间的停顿 · 制作成 mp3

可以用它做什么

• 🎓 复习笔记或考试课程，通勤时也能听
• 📰 做饭时收听长篇文章或论文
• 🧒 用你挑选的声音讲睡前故事
• 🌍 语言练习：用 if_sara 朗读意大利语文本，或用法语口音朗读英语文本
• 💼 将入职文档或团队手册制作成播客风格的音频文件

你将获得

~/Audiobooks/python-for-beginners/
├── python-for-beginners.m4b      ← one file, with chapter marks
├── 01-welcome.wav
├── 02-variables.wav
└── ...

命令行

一次实际运行（来自 docs/samples/python-intro.md）：已处理 3 个章节，输出 1 个带章节标记的 .m4b 文件。

已有文本无需 Claude：

uvx --from claudio-audiobook \
  claudio-audiobook build book.md --voice bf_emma --speed 0.95

渲染前先预览。这是实际输出：

$ claudio-audiobook build course.md --dry-run
  1  01-welcome.wav                                 ~  0.1 min
  2  02-variables.wav                               ~  0.1 min
  3  03-loops.wav                                   ~  0.1 min
3 chapters, about 0.0 h of audio

章节从 # headings（或类似 Chapter 3 的行）开始；没有标题的文件会被切分成多个部分。 如果中途中断，重新运行即可：已完成的章节会保留，只有文本或设置发生变化的章节会重新生成。

随处播放：章节、标签和封面

默认输出为 M4B，即标准有声书文件：包含章节标记的 AAC 音频、播放器用于将其归入 Audiobooks 的标签（标题、作者、讲述者、流派“Audiobook”），以及封面。

• 自动为你制作封面，在本地完成。让 AI 选择风格（“深绿色封面”）：它会挑选颜色，并将其作为 cover_colors 传入。也可以提供自己的图片：“使用 ~/Pictures/cover.png”（--cover）。放在书籍文件夹中的 cover.jpg 或 cover.png 也会被使用。--cover none 可跳过封面。
• 作者和讲述者信息来自对话（“作者是 Ada Lovelace”）或 --author 标志。可在桌面扩展设置中设置一次默认作者。
• 生成的封面使用内置的拉丁字体：中文、日文或韩文标题会显示为空白方框，因此请为这些书籍提供自己的封面图片。

导入到：

对于无法读取 M4B 的播放器（例如某些车载音响），请选择 --format mp3。Audible 和 Kindle 使用封闭格式，无法导入该文件。

可选的第二种引擎：Pocket TTS

Pocket TTS（Kyutai，1 亿参数）是可选的第二种语音引擎。作者进行的小规模盲听测试（1 位听众）中，Pocket TTS 在中性英语方面更受青睐，意大利语也被认为不错。它在笔记本电脑 CPU 上的速度与 Kokoro 相当（Apple M1 上约为实时速度的 4 倍），支持英语、意大利语、法语、德语、葡萄牙语、西班牙语和荷兰语，内置 27 种声音，还可以根据短音频片段克隆声音。默认引擎仍为 Kokoro。

uv tool install claudio-audiobook --with pocket-tts      # or: pip install claudio-audiobook pocket-tts
claudio-audiobook voices --engine pocket
claudio-audiobook build libro.md --engine pocket --lang it

在对话中提出要求即可使用：“使用 pocket 引擎，用意大利语”。与 Kokoro 的差异如下，避免设置被静默忽略：

• 不支持 speed、clause_pause 或 trim 设置（要求更改语速会报错）。句子和章节间的停顿设置有效。
• voice 可以是目录中的名称（alba、giovanni 等），也可以是用于克隆的 5 至 30 秒干净音频片段的路径。**只能克隆你有权使用的声音。**如果省略此项，每种语言都会使用其默认声音（意大利语：giovanni）。
• 在 Claude Desktop 中，请使用单独的 claudio-audiobook-pocket 扩展（见“安装”）。标准扩展只安装默认依赖项，不包含 Pocket TTS。
• 每种语言的模型（约 400 MB）会在首次使用该语言时从 Hugging Face 下载一次。
• Pocket TTS 权重 © Kyutai，采用 CC BY 4.0 许可；代码采用 MIT 许可。

54 种声音，9 种语言

American English: af_heart, af_bella, af_nova, am_adam, am_michael, ...
British English:  bf_emma, bf_isabella, bm_george, bm_lewis, ...
Italian:          if_sara, im_nicola
Spanish:          ef_dora, em_alex          French: ff_siwis
Hindi, Japanese, Brazilian Portuguese, Mandarin Chinese ...

将两种声音混合成一种新声音：--voice af_heart:0.6,bf_emma:0.4。使用 claudio-audiobook voices 可列出所有声音。

每项设置

可用作 MCP 工具参数、CLI 标志，以及（前五项和作者设置）Desktop 设置中的默认值或 CLAUDIO_AUDIOBOOK_* 环境变量。

--dry-run 显示章节和预估时长，但不进行渲染。--force 会重新执行所有操作。 claudio-audiobook doctor 会检查安装情况。

工作原理

 "create a python course"
          │
          ▼
   Claude writes spoken-style markdown   ← the skill / prompt teaches it to write for the ear
          │
          ▼
   MCP server: make_audiobook            ← runs as a detached job; survives a restart of Claude
          │
          ▼
   Kokoro (ONNX) renders each chapter    ← local, resumable, voice blends, pauses
          │
          ▼
   ffmpeg packs .m4b with chapter marks  ← bundled, nothing to install

提供四个 MCP 工具（make_audiobook、audiobook_status、list_voices、setup_check）、一个 write_audiobook 提示词 和一个 audiobook 技能。可与任何能运行本地 stdio 服务的 MCP 客户端配合使用。

隐私

claudio-audiobook 在你的设备上运行。你的文本和音频绝不会上传，也没有遥测、账户或 API 密钥。

它只会通过网络执行两种操作：从 PyPI 安装软件包及其依赖项（由 uv 或 pip 完成），以及一次性下载声音模型：从 GitHub 发布页下载 Kokoro，并通过 SHA-256 校验和进行验证；或者，如果你选择可选的 Pocket 引擎，则从 Hugging Face 下载其模型和声音。它只会启动自己的程序：捆绑的 ffmpeg、语音引擎的启动检查，以及本软件包的 后台工作进程。它不会读取或发送凭据。其设置由 CLAUDIO_AUDIOBOOK_* 环境变量提供，路径中仅会展开主目录（~、$HOME）。

常见问题

需要付费吗？ 不需要。Claude 本身使用你已有的套餐；声音免费且在本地运行。

声音效果如何？ 你可以自行判断：收听示例。Kokoro 是最佳小型 开源 TTS 模型之一，但它不是人类旁白者。朗读通常清晰自然，但遇到不常见的人名时，偶尔会出现重音奇怪的情况。

需要 GPU 吗？ 不需要。它使用 CPU 运行。

支持 Windows / Linux 吗？ 代码可跨平台运行，CI 也会执行测试。Claude Desktop 目前已在 macOS 上测试； Windows 尚未完成端到端测试。欢迎提交测试反馈。

可以使用其他声音模型吗？ 将 CLAUDIO_AUDIOBOOK_MODEL_FILE 和 CLAUDIO_AUDIOBOOK_VOICES_FILE 指向 你自己的 Kokoro 文件副本即可。

参与贡献

欢迎提交问题和 PR，尤其是：Windows 测试、新语言和示例有声书。有关架构和规则，请参阅 CLAUDE.md。

uv venv --python 3.12 && uv pip install -e ".[dev]" && .venv/bin/pytest

如果它帮你省下了订阅费，点个 ⭐ 可以让更多人发现它。

MIT。声音由 Kokoro 提供，通过 kokoro-onnx 使用。