supertone-inc/supertone-mcp

Создаёт пользовательский голос из одного локального аудиофайла. Ограничения: только WAV или MP3, макс. 3 МБ, ровно один файл. Возвращённый voice_id можно сразу использовать в text_to_speech. Путь поддерживает раскрытие ~ (например, "~/sample.wav").

Навсегда удаляет кастомный (клонированный) голос. ЭТО НЕОБРАТИМО — после удаления голос нельзя восстановить, а любой сохранённый voice_id, ссылающийся на него, перестанет работать. Перед вызовом подтвердите с пользователем.

Обновляет имя и/или описание существующего пользовательского голоса. Необходимо указать хотя бы имя или описание.

Возвращает оставшийся кредитный баланс Supertone для текущего API-ключа. Используйте это перед длинными TTS-вызовами, чтобы убедиться, что у вас осталось достаточно символов.

Получает данные о конкретном пользовательском (клонированном) голосе по voice_id. Возвращает имя и описание голоса. Используйте search_custom_voice, чтобы вывести список пользовательских голосов и найти voice_id.

Получает историю использования TTS API для текущего ключа API. Возвращает текстовую сводку, разбитую по временным периодам, с указанием использованных минут (и, где доступно, голоса и модели) в каждом периоде. Не принимает параметров: отчёт за недавний период по умолчанию. Используйте это, чтобы проверить, сколько синтеза было израсходовано.

Получает полные сведения об одном голосе по voice_id. Возвращает имя, описание, возраст, пол, варианты использования, языки, стили, поддерживаемые модели, количество образцов и URL миниатюры. Используйте preview_voice, чтобы получить фактические URL аудиообразцов.

Получает недавнее использование одного голоса по voice_id. Возвращает текстовую сводку с ежедневным использованием голоса в минутах за последний период по умолчанию. Используйте search_voice или search_custom_voice, чтобы найти voice_id.

Объединяет два или более локальных аудиофайла в один с помощью ffmpeg. Поддерживает простое склеивание, вставку тишины между фрагментами (gap_ms) или скрещивание с перекрёстным затуханием (crossfade_ms). gap_ms и crossfade_ms взаимоисключают друг друга. Формат выходного файла определяется автоматически по входным (все одного расширения → это расширение; смешанные → mp3) или переопределяется через output_format. Используйте, чтобы сшить несколько результатов text_to_speech в один готовый файл.

Предсказывает ожидаемую длительность аудиовыхода в секундах для заданного текста БЕЗ создания аудиофайла. Принимает те же параметры, что и text_to_speech. Ограничения по длине текста нет: длинный текст автоматически разбивается на части, а расход кредитов и задержка масштабируются пропорционально длине текста. Используйте это, чтобы оценить стоимость кредитов перед синтезом — расход кредитов пропорционален предсказанной длительности.

Получает ссылки на образцы аудио для голоса. Можно отфильтровать образцы по языку, стилю и модели. Возвращает один URL на каждый подходящий образец. v0.2 НЕ воспроизводит аудио локально — передайте URL вашему клиенту для прослушивания.

Выводит список пользовательских (клоновых) голосов, созданных с помощью этого API-ключа. Опциональные фильтры по имени и описанию выполняют частичное совпадение. Пагинация обрабатывается внутри; v0.2 возвращает страницу по умолчанию для SDK.

Поиск по каталогу голосов Supertone. Фильтры необязательны и комбинируются по логике AND: name, description, language, gender, age, use_case, style, model. Без фильтров возвращается полный каталог (поведение v0.1 list_voices). Результат — нумерованный список в виде обычного текста; когда задан хотя бы один фильтр, первая строка показывает "Filters applied: ...".

Генерирует естественно звучащую речь из текста. Используй это, когда пользователь хочет: услышать текст вслух, создать озвучку или голос за кадром, сгенерировать голосовое аудио, послушать, как текст звучит в устной форме, или превратить любой текст в звук. Поддерживается 31 язык, включая корейский, английский и японский. Ограничения по длине текста нет: длинный текст сервис автоматически разбивает на части (автоматическое дробление), а расход кредитов и задержка масштабируются пропорционально длине текста. Задай output_mode ('files', 'resources' или 'both'), чтобы управлять способом возврата аудио, и autoplay=true для воспроизведения на macOS. Эти параметры при каждом вызове ЗАМЕНЯЮТ удалённые переменные окружения SUPERTONE_MCP_OUTPUT_MODE и SUPERTONE_MCP_AUTOPLAY; теперь autoplay по умолчанию выключен. Голос по умолчанию уже настроен — просто вызывай этот инструмент напрямую. Обращайся к search_voice, только если пользователь явно попросит сменить или посмотреть голоса.