Talkies — MCP-сервер для Claude Code: речь в текст и синтез
Свой сервер распознавания и синтеза речи в одном Docker-образе. Пригодится, когда агенту нужно расшифровать аудио или озвучить текст.
Открыть на GitHubЧто делает Talkies
Talkies запускают локально одним контейнером. Внутри — распознавание речи из файла, живой поток ASR по WebSocket, синтез речи в нескольких форматах, выкладка файлов на сервер и управление жизненным циклом моделей. Для агентов поднят эндпоинт /v1/mcp с инструментами ASR и работы с файлами. Маршруты транскрипции и синтеза повторяют формат OpenAI там, где контракты совпадают, а стриминг, файлы и MCP — уже расширения самого Talkies.
Первый запуск стоит ограничить нужными моделями через TALKIES_ENABLED_MODELS, иначе точка входа скачает весь встроенный реестр. Часть моделей идёт только под CUDA: Parakeet-TDT, старшие Canary, Qwen3 TTS и Chatterbox Turbo требуют образа psyb0t/talkies:latest-cuda и флага --gpus all. Порт наружу лучше не открывать: в примере он привязан к 127.0.0.1:8000, а единственный маршрут без авторизации — GET /healthz.
Клонирование голоса работает через папку: положите .wav в /data/custom-voices, и он появится в GET /v1/audio/voices. Qwen3 дополнительно подхватит соседний .txt с расшифровкой, а Chatterbox обойдётся одним клипом длиннее пяти секунд. У Chatterbox Turbo 19 встроенных тегов вроде [sigh] или [whispering] — их пишут прямо в тексте, в квадратных скобках и нижним регистром. Любое другое слово в скобках модель просто прочитает вслух. По умолчанию на выходе стоит нейроводяной знак, отключается переменной TALKIES_CHATTERBOX_WATERMARK.
Какие задачи решает
- расшифровать запись встречи в текст с таймстемпами
- получить IPA-фонемы произношения без правки под словарь
- озвучить реплику выбранным голосом в mp3
- выложить аудио на сервер и забрать его по имени
- выгрузить модель из памяти, когда она больше не нужна
Примеры запросов агенту
- Расшифруй
clip.wavмодельюwhisper-large-v3-turboи верни текст - Синтезируй фразу «Пора за работу» моделью
chatterbox-turboв mp3 - Скопируй
intro.wavв/data/custom-voicesи покажи список голосов
Как установить Talkies
Установка
Команды запуска нет в реестре MCP — смотрите README репозитория
По шагам, с командами для каждой платформы: Как подключить MCP-сервер: Claude Code, Codex, Cursor, VS Code, Gemini CLI и другие
Вопросы о Talkies
Как установить Talkies в Claude Code?
Готовых команд установки нет. Сервер поднимают в Docker: `docker run --rm -it --name talkies -p 127.0.0.1:8000:8000 -v "$PWD/talkies-data:/data" -e TALKIES_ENABLED_MODELS=whisper-large-v3-turbo,kokoro-82m psyb0t/talkies:latest, а в клиенте указывают эндпоинт /v1/mcp`.
Что делает Talkies?
Отдаёт распознавание речи, живой ASR по WebSocket, синтез речи и выкладку файлов. Для агентов те же возможности доступны через MCP-эндпоинт.
Какие модели требуют CUDA?
Parakeet-TDT, старшие Canary, Qwen3 TTS и Chatterbox Turbo. Для них нужен образ psyb0t/talkies:latest-cuda и запуск с --gpus all.
