What is Mcp Voice Salute

mcp_voice_salute is an implementation of the MCP (Model Context Protocol) server that provides tools for working with the SaluteSpeech voice API from Sberbank. It enables AI assistants to record user speech from a microphone, recognize it, and synthesize speech from text.

Use cases

Use cases include creating voice interfaces for virtual assistants, developing applications that require voice commands, and enhancing user interaction through voice recognition and synthesis.

How to use

To use mcp_voice_salute, integrate it into your agent by adding it to the MCP server configuration. Ensure you provide the necessary SaluteSpeech token in the environment variables. Use the provided tools to record audio and synthesize speech.

Key features

Key features include full integration with Sber’s SaluteSpeech API, support for Russian speech recognition and synthesis, and the ability to create voice interfaces for AI assistants and applications with voice control.

Where to use

mcp_voice_salute can be used in various fields such as AI assistant development, voice-controlled applications, and integration of voice capabilities in LLM-based agent systems.

MCP SaluteSpeech

MCP SaluteSpeech - это реализация MCP (Model Context Protocol) сервера, предоставляющего инструменты для работы с голосовыми API SaluteSpeech от Сбера. Позволяет AI ассистентам записывать речь пользователя с микрофона, распознавать её с помощью и синтезировать речь из текста.

Сервер предоставляет доступ агентам на основе LLM к голосовому интерфейсу, значительно расширяя возможности взаимодействия с пользователем.

Из чего состоит MCP SaluteSpeech?

MCP SaluteSpeech предоставляет два основных инструмента:

1. sber_stt_record_and_recognize - записывает аудио с микрофона до появления 3-секундной паузы, отправляет запись на API распознавания речи SaluteSpeech и возвращает распознанный текст.

2. synthesize_speech - синтезирует речь из текста с помощью API SaluteSpeech и воспроизводит её через аудиоустройство компьютера.

Эти инструменты особенно полезны для:

• Создания голосовых интерфейсов для AI ассистентов
• Разработки приложений с поддержкой голосового управления
• Интеграции голосовых возможностей в агентные системы на базе LLM

Возможности

• Реализация голосовых инструментов для MCP (Model Context Protocol)
• Полная интеграция с API SaluteSpeech от Сбера
• Готовность к работе с такими ассистетами как Cursor, Windsurf и другими
• Поддержка распознавания и синтеза русской речи

Возможные проблемы с аудиоустройствами и дополнительные зависимости

Если запись или воспроизведение аудио не работает “из коробки”, возможно, потребуется установить дополнительные зависимости для вашей операционной системы:

• Linux: убедитесь, что установлен пакет portaudio и соответствующие dev-заголовки. Например, для Ubuntu/Debian:

  sudo apt-get install portaudio19-dev
  

  Также может понадобиться установить alsa-utils:

  sudo apt-get install alsa-utils
  

• macOS: обычно всё работает из коробки, но убедитесь, что приложению даны разрешения на доступ к микрофону и динамикам (Системные настройки → Конфиденциальность → Микрофон/Звук).
• Windows: убедитесь, что установлены последние драйверы для вашей звуковой карты. Для работы некоторых библиотек может понадобиться Microsoft Visual C++ Redistributable.

Если после установки зависимостей проблема не решена, проверьте сообщения об ошибках в консоли — они могут подсказать, какой компонент отсутствует или требует настройки.

Настройка MCP сервера

Добавьте этот MCP сервер к вашему агенту.

Описание инструментов

sber_stt_record_and_recognize

Записывает аудио с микрофона до появления 3-секундной паузы, затем отправляет запись на API распознавания речи SaluteSpeech и возвращает распознанный текст.

Вход: Не требует параметров
Поведение: Выполняет запись с микрофона, распознавание и возвращает текст
Выход: Строка с распознанным текстом

synthesize_speech

Синтезирует речь из текста с помощью API SaluteSpeech и воспроизводит её через аудиоустройство компьютера.

Вход:

• text (string) — Текст для преобразования в речь
• format (string, опционально) — Формат аудио (по умолчанию “wav16”)
• voice (string, опционально) — Голос для синтеза (по умолчанию “Bys_24000”)

Поведение: Преобразует текст в речь и воспроизводит через динамики
Выход: Подтверждение успешного воспроизведения

Как добавить этот MCP сервер в Cursor

Есть два способа добавить MCP сервер в Cursor:

1. Глобально - добавить сервер в файл ~/.cursor/mcp.json
2. Для проекта - добавить сервер в файл .cursor/mcp.json в вашем проекте

Требования к окружению

Для работы с API требуется установить переменную окружения:

SALUTE_SPEECH - токен Basic авторизации для доступа к API SaluteSpeech

Лицензия

MIT License