# Talkies

Свой сервер распознавания и синтеза речи в одном Docker-образе. Пригодится, когда агенту нужно расшифровать аудио или озвучить текст.

- MCP-сервер · `type=mcp` · Claude Code, Codex, Cursor, GitHub Copilot, Windsurf (Devin Desktop), Cline, Zed · ★ 7
- Автор: psyb0t
- Лицензия: WTFPL · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/psyb0t/docker-talkies
- Обновлён: 2026-10-19
- HTML: https://affpapa.org/nevibecode/mcp/talkies

## Что делает

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`.

## Требования
- Нужно: Docker
- Работает с: Docker

## Установка

### Claude Code (родная платформа)

**Установка**
- Команды запуска нет в реестре MCP — смотрите README репозитория

## Когда брать
- 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.wav` моделью `whisper-large-v3-turbo` и верни текст
- Синтезируй фразу «Пора за работу» моделью `chatterbox-turbo` в mp3
- Скопируй `intro.wav` в `/data/custom-voices` и покажи список голосов

## Похожие
- [MCP Toolbox for Databases](https://affpapa.org/nevibecode/mcp/googleapis-mcp-toolbox-for-databases.md) — MCP-сервер · ★ 16717
- [labelhead-artist-momentum](https://affpapa.org/nevibecode/mcp/labelhead-artist-momentum.md) — MCP-сервер · ★ 107423
- [Agent Skills Search Server](https://affpapa.org/nevibecode/mcp/agent-skills-search-server.md) — MCP-сервер · ★ 26559
- [Skyvern](https://affpapa.org/nevibecode/mcp/skyvern.md) — MCP-сервер · ★ 23263
- [Nhost](https://affpapa.org/nevibecode/mcp/nhost.md) — MCP-сервер · ★ 9366
- [PraisonAI](https://affpapa.org/nevibecode/mcp/praisonai.md) — MCP-сервер · ★ 9289

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md