mcpField
S
Supertonic3 Mcp

Supertonic3 Mcp

本地服务
github.com/nextic-tech开发工具019 周前更新
代码仓库

关于 Supertonic3 Mcp

supertonic3-mcp 是供 Claude、Cursor 及其他 MCP 客户端使用的本地文本转语音服务。它在设备上运行 Supertonic 3，无需 API 密钥或云服务，也可预载模型以离线合成语音。

主要功能

  1. 01将文本合成为 WAV
  2. 02列出内置语音
  3. 03列出表达标签
  4. 04通过 STDIO 本地运行
  5. 05预载模型以供离线使用

适用场景

  1. 01在 Claude 中将文本转为语音
  2. 02从 Cursor 生成 WAV 文件
  3. 03在无网络时合成语音

MCP 相关

该 STDIO MCP 服务向客户端提供 `speak`、`list_voices` 和 `list_expressions`。`speak` 返回 WAV 文件路径及元数据。

#tts#text-to-speech#audio#voice#local-ai#on-device#no-api-key#apple-silicon#supertonic#fastmcp

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置
{
  "mcpServers": {
    "supertonic3": {
      "command": "uvx",
      "args": [
        "supertonic3-mcp"
      ]
    }
  }
}
启动命令uvx supertonic3-mcp

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包
pypisupertonic3-mcp

工具

3

收录的工具列表 · 更新于 2 周前

参数类型必填说明
languageany否ISO 639-1 代码（en、ko、ja 等）。可靠地生成非英语语音时必须指定。
playboolean否若为 true，则在此计算机上播放音频（仅限 STDIO/本地使用）。
speednumber否[0.7, 2.0] 范围内的播放速度。
textstring是1–5000 个字符；可包含 list_expressions() 中的表情标签。
voice_idany否内置语音（M1–M5、F1–F5）。请参阅 list_voices()。

详细介绍

supertonic3-mcp

由 Supertonic 3 驱动，为 Claude 和 Cursor 提供本地设备上的 TTS。无需 API 密钥，无需云服务。这是 Halozen 开源的内部工具——我们为建筑行业打造 AI 合规智能解决方案。

与 Supertone Inc. 无关联。

通过 STDIO 向 Claude Desktop、Cursor 或任何 MCP 客户端提供 speak、list_voices 和 list_expressions。

快速开始（TTHW < 3 分钟）

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 配置

添加到 .cursor/mcp.json（或 Cursor Settings → MCP）：

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

首次启动服务时会将 Supertonic 模型下载到 ~/.cache/supertonic3/，除非你已先运行 preload。

工具

工具描述
speak将文本合成为 WAV 文件；返回绝对路径和元数据
list_voices内置语音（voice_id、gender）
list_expressions行内标签（<laugh>、<breath>、……）及其说明
speak 参数
  • text — 1–5000 个字符；允许使用表达标签
  • voice_id — 可选（M1、F1、……）
  • language — ISO 639-1（en、ko、ja、……）。**对于非英语文本，请务必设置 language=。**默认值为 en。
  • speed — 0.7 到 2.0（SDK 范围）
  • play — 若为 true，则通过 afplay（macOS）或 aplay（Linux）在本机播放音频。Windows 不支持。

WAV 文件写入 /tmp/supertonic_*.wav（macOS/Linux）。v1.0 不支持 Windows 合成输出路径。

返回示例：

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

性能（本仓库）

在 Apple M3 上测量，supertonic 1.3.1——参见 benchmark/results.md。

场景FSL 中位数
热启动（模型已加载）~0.82s
冷启动（每次调用都新建 TTS()）~0.81s

FSL = 从 synthesize() 到写入 WAV 的耗时（不含流式传输，不含 play=True）。

重新运行：python benchmark/run.py

离线使用

supertonic3-mcp preload

以原子方式将 ONNX 权重下载到 ~/.cache/supertonic3/，并打印 SHA256 校验和。预加载后，无需网络连接即可进行合成。

开发

pip install -e ".[dev]"
pytest

测试会模拟 Supertonic SDK（CI 中不访问网络）。

v1.1 即将推出

  • listen() — Whisper 语音转文本（pip install supertonic3-mcp[stt]）
  • SSE 传输 + 供远程 Agent 使用的 Docker 镜像
  • PyPI 发布工作流

许可证

MIT（本软件包）。Supertonic SDK 使用 MIT 许可证；模型权重使用 OpenRAIL-M。

免责声明

AI 生成的语音不能替代经认证的安全、法律或医疗指导。仅用于演示。

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。