GPT-SoVITS MCP Server

このプロジェクトは、GPT-SoVITSのAPIサーバーをModel Context Protocol (MCP) ツールとして利用できるようにするMCPサーバーです。FastAPI-MCPを使用してSwagger仕様から自動的にMCPツール定義を生成します。

機能

• Text-to-Speech合成: テキストから音声を生成
• 音声クローニング: 参照音声を使用した声質の複製
• マルチ言語対応: 中国語、英語、日本語、韓国語、粤語をサポート
• モデル管理: GPT/SoVITSモデルの動的切り替え
• ストリーミング対応: リアルタイム音声配信
• MCP統合: AI エージェントとの統合

必要な環境

• Python 3.11以上（Windows/macOS/Linux対応）
• GPT-SoVITS API サーバー（ポート9880で実行中）

インストール

Windows

1. Python のインストール:

2. 依存関係をインストール:

python -m pip install -r requirements.txt

3. GPT-SoVITS API サーバーを起動:

cd GPT-SoVITS
   python api.py

macOS/Linux

1. 依存関係をインストール:

python3.11 -m pip install -r requirements.txt
   # または
   pip install -r requirements.txt

2. GPT-SoVITS API サーバーを起動:

cd GPT-SoVITS
   python3.11 api.py
   # または
   python api.py

使用方法

簡単起動（推奨）

Windows

start_server.bat

macOS/Linux

./start_server.sh

手動起動

Windows

python fastapi_mcp_server.py

macOS/Linux

python3.11 fastapi_mcp_server.py

オプション

• `--host`: バインドするホスト (デフォルト: 0.0.0.0)
• `--port`: バインドするポート (デフォルト: 8000)
• `--gpt-sovits-url`: GPT-SoVITS APIのURL (デフォルト: http://localhost:9880)
• `--reload`: 自動リロードを有効化

環境変数

• `SOVITS_VOICES_PATH`: 音声ファイルのベースパス
• `HOST`: サーバーのホスト
• `PORT`: サーバーのポート

エンドポイント

サーバー起動後、以下のエンドポイントが利用可能になります:

• API ドキュメント: http://localhost:8000/docs
• MCP エンドポイント: http://localhost:8000/mcp
• ヘルスチェック: http://localhost:8000/health

利用可能なMCPツール

1. text_to_speech (`/tts`)

2. set_model (`/set_model`)

3. set_reference (`/set_reference`)

4. control_server (`/control`)

API 使用例

テキストから音声合成

curl -X POST "http://localhost:8000/tts" \
     -H "Content-Type: application/json" \
     -d '{
       "text": "こんにちは、世界",
       "text_lang": "ja",
       "refer_wav_path": "path/to/reference.wav",
       "prompt_text": "参照音声のテキスト"
     }'

モデルの設定

curl -X POST "http://localhost:8000/set_model" \
     -H "Content-Type: application/json" \
     -d '{
       "gpt_model_path": "path/to/gpt.ckpt",
       "sovits_model_path": "path/to/sovits.pth"
     }'

MCP統合

このサーバーは Model Context Protocol (MCP) に対応しており、Claude等のAIエージェントから直接音声合成機能を利用できます。

Claude Desktopでの設定

設定ファイルの場所

• Windows: `%APPDATA%\Claude\claude_desktop_config.json`
• macOS: `~/Library/Application Support/Claude/claude_desktop_config.json`

Windows用設定

{
  "mcpServers": {
    "gpt-sovits": {
      "command": "python",
      "args": ["C:\\path\\to\\sovits_mcp\\fastapi_mcp_server.py"],
      "env": {
        "HOST": "127.0.0.1",
        "PORT": "8000",
        "SOVITS_VOICES_PATH": "C:\\voices\\characters"
      }
    }
  }
}

macOS/Linux用設定

{
  "mcpServers": {
    "gpt-sovits": {
      "command": "python3.11",
      "args": ["/path/to/sovits_mcp/fastapi_mcp_server.py"],
      "env": {
        "HOST": "127.0.0.1",
        "PORT": "8000",
        "SOVITS_VOICES_PATH": "/voices/characters"
      }
    }
  }
}

SSE (Server-Sent Events) を使用する場合

FastAPI-MCPは自動的に `/mcp` エンドポイントでSSE接続を提供します。SSEプロキシを使用する場合：

{
  "mcpServers": {
    "gpt-sovits-sse": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-fetch", "http://127.0.0.1:8000/mcp"],
      "env": {}
    }
  }
}

設定ファイルの場所

プロジェクトには複数の設定例が含まれています：

Windows用

• `claude_desktop_config_windows.json` - Claude Desktop用の設定
• `mcp_windows.json` - 基本的なMCP設定
• `mcp_sse_windows.json` - SSE プロキシを使用した設定
• `start_server.bat` - Windows用起動スクリプト

macOS/Linux用

• `claude_desktop_config.json` - Claude Desktop用の設定
• `mcp.json` - 基本的なMCP設定
• `mcp_sse.json` - SSE プロキシを使用した設定
• `start_server.sh` - macOS/Linux用起動スクリプト

トラブルシューティング

Windows固有の問題

Python が見つからない

python --version

• エラーが出る場合は、Python がPATHに追加されていない
• Python インストール時に「Add Python to PATH」をチェックする
• または `py` コマンドを使用する

音声ファイルパスのエラー

• Windowsではバックスラッシュ（`\`）を使用
• または環境変数 `SOVITS_VOICES_PATH` を設定

set SOVITS_VOICES_PATH=C:\voices\characters

共通の問題

GPT-SoVITS APIサーバーに接続できない

• GPT-SoVITS APIサーバーが起動していることを確認
• ポート9880が使用可能であることを確認
• ファイアウォールの設定を確認

依存関係のエラー

• Python 3.11以上を使用していることを確認
• `pip install -r requirements.txt` で依存関係をインストール

音声ファイルが見つからない

• `SOVITS_VOICES_PATH` 環境変数を正しく設定
• 音声ファイルが指定されたパスに存在することを確認
• デフォルトでは `voices/characters/` フォルダを使用

ライセンス

このプロジェクトはMITライセンスの下で公開されています。