ElevenLabs推出MCP服务器:AI语音能力无缝整合到智能助手

ElevenLabs 推出 MCP 服务器：无缝整合 AI 语音能力到智能助手

ElevenLabs 最近推出了其官方的 Model Context Protocol (MCP) 服务器，这是一个开源服务器实现，旨在通过 MCP 协议将 AI 模型与 ElevenLabs 强大的文本转语音（TTS）和音频处理 API 进行无缝交互。该服务器允许像 Claude Desktop、Cursor、Windsurf、OpenAI Agents 等 MCP 客户端生成语音、克隆声音、转录音频等。

核心功能

• 文本转语音（TTS）：将文本提示转换为自然听起来的语音。
• 声音克隆：创建个性化的声音输出，适用于品牌或角色创建。
• 音频转录：将音频文件转换为文本，适用于会议记录、字幕生成或内容分析。
• 高级音频处理：支持音频隔离、声音设计等复杂任务。

快速开始

以 Claude Desktop 为例，以下是设置步骤：

1. 从 ElevenLabs 获取 API 密钥，免费层级每月提供 10k 信用点。
2. 安装 uv（Python 包管理器），使用命令 curl -LsSf https://astral.sh/uv/install.sh | sh。
3. 在 Claude Desktop 的配置文件中添加 ElevenLabs 的 MCP 服务器配置。

对于其他客户端，如 Cursor 和 Windsurf，可以通过以下命令获取配置信息：

pip install elevenlabs-mcp
python -m elevenlabs_mcp --api-key={{PUT_YOUR_API_KEY_HERE}} --print

然后将配置信息粘贴到相应的配置目录中。

示例用法

• 创建一个像黑色电影侦探一样说话的 AI 代理，并回答有关经典电影的问题。
• 为一个智慧的古老龙角色生成三种声音变体，然后选择最喜欢的声音添加到声音库中。
• 将你的声音录音转换为听起来像中世纪骑士的声音。
• 创建一个在茂密丛林中雷暴的声音景观，动物对天气做出反应。
• 将语音转换为文本，识别不同的说话者，然后使用每个人独特的语音再次转换。

高级功能

• 声音克隆：通过收集目标声音的清晰音频样本，发送克隆请求，并在 TTS 提示中引用克隆声音 ID。
• 音频转录：轻松转录音频文件，服务器返回文本。
• 长时运行任务：某些任务（如声音设计）可能需要较长时间，服务器会异步处理这些任务。

配置与集成

• 可以通过命令行选项、环境变量或配置文件来定制服务器。
• 对于复杂设置，可以使用 JSON 文件配置服务器，然后启动。
• 与 Claude Desktop 集成时，需要启用开发者模式，并在配置文件中添加 ElevenLabs 的 MCP 服务器配置。

故障排除

• 超时问题：某些 ElevenLabs API 操作可能需要较长时间来完成，使用 MCP inspector 时可能会出现超时错误。
• API 密钥错误：验证环境或配置中的 API 密钥。
• 端口冲突：使用 --port 选项切换端口（例如 --port=8080）。

ElevenLabs 的 MCP 服务器为开发者提供了一个强大的平台，可以将先进的音频功能无缝整合到 AI 驱动的应用程序中，无论是构建语音代理、自动化音频任务还是增强用户体验。