voize

Voize

概述

Voize 是一个本地 MCP 服务，提供一个工具 generate_tts_url。

它使用当前后端合成语音，将字节上传到当前存储后端，并返回一个公开 URL。

目前具体支持 Xiaomi MiMo（TTS）+ Cloudflare R2（存储），同时为未来的后端保留扩展接口。

技术栈

• 语言：TypeScript
• 运行时：Bun 1.0+
• 主要依赖项：@modelcontextprotocol/sdk、@aws-sdk/client-s3、zod

架构

该服务是使用 stdio 的 MCP 服务，包含一个工具处理程序。

src/
├── index.ts
├── lib/
│   ├── provider.ts
│   └── storage.ts
├── tools/
│   └── generateTtsUrl.ts
├── types.ts
└── utils/
    ├── env.ts
    ├── log.ts
    ├── retry.ts
    └── validate.ts

开发

设置

填写必需的环境变量，并启用公开域名保护机制。

bun install
cp .env.example .env

构建

bun run build

测试

目前尚无自动化测试；请使用内置语音和语音克隆输入，通过 MCP 冒烟调用进行验证。

代码检查

bun run lint

类型检查

bun run typecheck

关键文件

文件	用途
src/index.ts	MCP 引导程序、环境变量验证、stdio 传输
src/tools/generateTtsUrl.ts	输入验证、TTS 调用、上传、MCP 响应
src/lib/provider.ts	当前 TTS 后端客户端
src/lib/storage.ts	当前兼容 S3 的存储辅助模块
docs/architecture.md	端到端流程和约束

Agent 指南

• 服务端代码中绝不向 stdout 写入内容（确保 stdio JSON-RPC 安全）。
• 成功和失败时，均在 MCP 文本内容中返回结构化 JSON。
• 在启动时执行公开域名检查。
• 不要引入直接的 Nexus/STDB 调用；将边界保持在 URL 生成处。
• 用于克隆工作流的托管参考语音样本：https://audio.zenon.red/voice/samples/zoe-sample.mp3。
• 克隆调用时，直接传入 voiceSampleUrl，或下载后传入 voiceSamplePath。