原型 · 预览版:收录官方注册中心里的全部服务器,每 30 分钟同步一次。使用 Google 登录即可撰写评价。原型 · 每 30 分钟更新
PopNx MCP为使用 AI 的人准备的 MCP 服务器 · 用大白话讲清楚

Gemini Audio MCP

作者:jxoesneon版本 0.1.0i★ 0i在你的电脑上运行代码仓库 ↗
注册名称io.github.jxoesneon/gemini-audio-mcp

安装方法

What it does

High-performance audio, music, and voice generation MCP server for Gemini 2.5 and Lyria 3.

  • Connects 在你的电脑上运行
  • Account or key Needs GEMINI_API_KEY
  • Category 设计、图片与音频

可搭配使用

教 AI 做这类工作的 Skill,可与本项一起使用

impeccable

The design vocabulary for your coding agent. Steer with polish and bolder, review with critique and audit, catch AI slop before it ships.

作者:pbakaus★ 113,0421 个 skill

Skill · 操作手册

diagram-design

Editorial diagram design for Claude Code, Codex, GitHub Copilot, Cursor, Factory Droid, Qoder, and Pi. 45 diagram types. Self-contained HTML + SVG. No shadows. No Mermaid slop.

作者:cathrynlavery★ 68,2961 个 skill

Skill · 操作手册

frontend-slides

Create beautiful slides on the web using a coding agent's frontend skills

作者:zarazhangrui★ 32,5791 个 skill

Skill · 操作手册

为什么排在这里

列表按使用分(满分 100)排序,由以下部分组成

热度0/80GitHub 星标或每周下载量:较大的计 60,较小的计 20
新鲜度12/1230 天内有发布或代码更新得满分
仍在响应0/8上次检查时云端端点有响应
使用分12/100

质量: 基础检查通过 3/3 项(仅展示,不用于排序) · 上升势头: 暂无数据 (只用于“上升中”标签)

安装

选择你使用的 AI 应用,然后复制设置。

用一句话让 AI 帮你安装

请帮我安装 Gemini Audio MCP。按照 https://mcp.popnx.com/i/jxoesneon-gemini-audio-mcp.md 操作,先把命令给我看,等我同意后再运行。

粘贴到能在你电脑上工作的 AI(如 Claude Code、Cursor)。它会读取我们的步骤,先给你看命令,等你同意。无需密钥,无需注册。 · 查看 AI 会读取的全文

通过 3/3 项检查 · 在你的电脑上运行 · ✓ 命令已检查 2026年11月13日

第一步:你用哪个 AI?

选择你用的应用,步骤会显示在下方。

可连接 Claude,但需要先准备

需要 Gemini Audio MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Docker(只需一次) · 仅限电脑上的 Claude 应用(Windows 或 Mac),网页和手机不可用

让 AI 帮你安装

把这段话复制到 Claude 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。

请在这台电脑上为 Claude 安装 MCP server Gemini Audio MCP,按顺序:1) 用 docker --version 检查是否有 Docker。没有的话,请让我从 https://www.docker.com/products/docker-desktop/ 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):{ "mcpServers": { "gemini-audio": { "command": "docker", "args": [ "run", "-i", "--rm", "-e", "GEMINI_API_KEY", "ghcr.io/jxoesneon/gemini-audio-mcp:0.1.0" ], "env": { "GEMINI_API_KEY": "your-value" } } } } 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) GEMINI_API_KEY 先保留 "your-value",请我自己把真实值粘贴到文件或应用的输入框里。不要让我在对话里输入密钥。5) 按约定执行,然后确认 Gemini Audio MCP 的工具真的出现了。

这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。

  1. 安装 Docker(如果还没有)

    已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter

    docker --version
    • 显示版本号(例如 Docker version …)= 已安装,可跳过这一步
    • 显示 "command not found"(Windows 显示 "is not recognized")= 还没安装,或刚装好但需要关掉终端再重新打开
    怎么打开终端

    Mac:按 ⌘ + Space,输入 Terminal 后按 Enter

    Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”

    还没安装: 安装 Docker Desktop:Mac 打开 Docker.dmg,把图标拖到“应用程序”(按电脑选择 Apple silicon 或 Intel 版本)· Windows 双击 Docker Desktop Installer.exe · 装好后打开 Docker Desktop 应用并保持运行。不需要 curl 命令

    打开 Docker 下载页 ↗

    装好后关掉终端再打开,重新运行同一条命令,应显示版本号: docker --version

    安装一次,所有需要 Docker 的工具都能用

  2. 注册并创建 Gemini Audio MCP 的密钥

    打开开发者网站,注册账户并创建 API 密钥,下一步要用。价格和免费方案请看开发者网站。

    获取密钥的方法见下方开发者的 README

  3. 打开电脑版 Claude 应用的设置文件

    SettingsDeveloperEdit Config

  4. 粘贴这些设置并保存文件

    {
      "mcpServers": {
        "gemini-audio": {
          "command": "docker",
          "args": [
            "run",
            "-i",
            "--rm",
            "-e",
            "GEMINI_API_KEY",
            "ghcr.io/jxoesneon/gemini-audio-mcp:0.1.0"
          ],
          "env": {
            "GEMINI_API_KEY": "your-value"
          }
        }
      }
    }

    只把密钥粘贴到应用的输入框里,不要粘贴到聊天中或发给任何人

  5. 退出 Claude 再重新打开

  6. 试一试

    用 Gemini Audio MCP 告诉我你能帮我做什么,然后做一件给我看

    ✓ 如果 Claude 说正在使用 Gemini Audio MCP,或回答中出现 Gemini Audio MCP 的工具名称,就表示连接成功

菜单名称已于 2026年11月11日 对照 Anthropic 帮助页面核实 · 你的界面可能因版本略有不同

ChatGPT 暂时无法连接 Gemini Audio MCP

Gemini Audio MCP 需要安装在你的电脑上,而 ChatGPT 只能连接在网上运行的服务器

你可以改用这些方式

A · 使用能连接 Gemini Audio MCP 的应用

  • 需要 Gemini Audio MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Docker(只需一次) · 仅限电脑上的 Claude 应用(Windows 或 Mac),网页和手机不可用
  • 需要 Gemini Audio MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Docker(只需一次)
  • 需要 Gemini Audio MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Docker(只需一次)
  • 需要 Gemini Audio MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Docker(只需一次)

B · 设计、图片与音频 类中能连接 ChatGPT 的其他服务器

从同类中使用较多的里挑选,仅限用地址即可连接、无需密钥的

可连接 Claude Code,但需要先准备

需要 Gemini Audio MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Docker(只需一次)

让 AI 帮你安装

把这段话复制到 Claude Code 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。

请在这台电脑上为 Claude Code 安装 MCP server Gemini Audio MCP,按顺序:1) 用 docker --version 检查是否有 Docker。没有的话,请让我从 https://www.docker.com/products/docker-desktop/ 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):claude mcp add --scope user gemini-audio --env GEMINI_API_KEY=your-value -- docker run -i --rm -e GEMINI_API_KEY ghcr.io/jxoesneon/gemini-audio-mcp:0.1.0 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) GEMINI_API_KEY 先保留 "your-value",请我自己把真实值粘贴到文件或应用的输入框里。不要让我在对话里输入密钥。5) 按约定执行,然后确认 Gemini Audio MCP 的工具真的出现了。

这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。

  1. 安装 Docker(如果还没有)

    已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter

    docker --version
    • 显示版本号(例如 Docker version …)= 已安装,可跳过这一步
    • 显示 "command not found"(Windows 显示 "is not recognized")= 还没安装,或刚装好但需要关掉终端再重新打开
    怎么打开终端

    Mac:按 ⌘ + Space,输入 Terminal 后按 Enter

    Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”

    还没安装: 安装 Docker Desktop:Mac 打开 Docker.dmg,把图标拖到“应用程序”(按电脑选择 Apple silicon 或 Intel 版本)· Windows 双击 Docker Desktop Installer.exe · 装好后打开 Docker Desktop 应用并保持运行。不需要 curl 命令

    打开 Docker 下载页 ↗

    装好后关掉终端再打开,重新运行同一条命令,应显示版本号: docker --version

    安装一次,所有需要 Docker 的工具都能用

  2. 注册并创建 Gemini Audio MCP 的密钥

    打开开发者网站,注册账户并创建 API 密钥,下一步要用。价格和免费方案请看开发者网站。

    获取密钥的方法见下方开发者的 README

  3. 打开终端

    Mac:按 Command+空格,输入 Terminal · Windows:打开 PowerShell

  4. 粘贴这条命令并按 Enter

    claude mcp add --scope user gemini-audio --env GEMINI_API_KEY=your-value -- docker run -i --rm -e GEMINI_API_KEY ghcr.io/jxoesneon/gemini-audio-mcp:0.1.0

    按 Enter 前,把“your-value”改成你的密钥

    只把密钥粘贴到应用的输入框里,不要粘贴到聊天中或发给任何人

  5. 在 Claude Code 中输入 /mcp

    应能看到 Gemini Audio MCP 在列表中并显示已连接

  6. 试一试

    用 Gemini Audio MCP 告诉我你能帮我做什么,然后做一件给我看

    ✓ 如果 Claude Code 说正在使用 Gemini Audio MCP,或回答中出现 Gemini Audio MCP 的工具名称,就表示连接成功

菜单名称已于 2026年11月11日 对照 Anthropic 帮助页面核实 · 你的界面可能因版本略有不同

可连接 Cursor,但需要先准备

需要 Gemini Audio MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Docker(只需一次)

让 AI 帮你安装

把这段话复制到 Cursor 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。

请在这台电脑上为 Cursor 安装 MCP server Gemini Audio MCP,按顺序:1) 用 docker --version 检查是否有 Docker。没有的话,请让我从 https://www.docker.com/products/docker-desktop/ 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):{ "mcpServers": { "gemini-audio": { "command": "docker", "args": [ "run", "-i", "--rm", "-e", "GEMINI_API_KEY", "ghcr.io/jxoesneon/gemini-audio-mcp:0.1.0" ], "env": { "GEMINI_API_KEY": "your-value" } } } } 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) GEMINI_API_KEY 先保留 "your-value",请我自己把真实值粘贴到文件或应用的输入框里。不要让我在对话里输入密钥。5) 按约定执行,然后确认 Gemini Audio MCP 的工具真的出现了。

这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。

  1. 安装 Docker(如果还没有)

    已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter

    docker --version
    • 显示版本号(例如 Docker version …)= 已安装,可跳过这一步
    • 显示 "command not found"(Windows 显示 "is not recognized")= 还没安装,或刚装好但需要关掉终端再重新打开
    怎么打开终端

    Mac:按 ⌘ + Space,输入 Terminal 后按 Enter

    Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”

    还没安装: 安装 Docker Desktop:Mac 打开 Docker.dmg,把图标拖到“应用程序”(按电脑选择 Apple silicon 或 Intel 版本)· Windows 双击 Docker Desktop Installer.exe · 装好后打开 Docker Desktop 应用并保持运行。不需要 curl 命令

    打开 Docker 下载页 ↗

    装好后关掉终端再打开,重新运行同一条命令,应显示版本号: docker --version

    安装一次,所有需要 Docker 的工具都能用

  2. 注册并创建 Gemini Audio MCP 的密钥

    打开开发者网站,注册账户并创建 API 密钥,下一步要用。价格和免费方案请看开发者网站。

    获取密钥的方法见下方开发者的 README

  3. 点击这个按钮打开 Cursor

    在 Cursor 中打开

    Cursor 会请你确认安装,点击 Install

  4. 填写你的密钥

    在 Gemini Audio MCP 的设置中,GEMINI_API_KEY 还是空的,填入你的密钥并保存

    只把密钥粘贴到应用的输入框里,不要粘贴到聊天中或发给任何人

  5. 在 Cursor 中以 Agent 模式打开 AI 聊天

  6. 试一试

    用 Gemini Audio MCP 告诉我你能帮我做什么,然后做一件给我看

    ✓ 如果 Cursor 说正在使用 Gemini Audio MCP,或回答中出现 Gemini Audio MCP 的工具名称,就表示连接成功

菜单名称已于 2026年11月11日 对照 Cursor 帮助页面核实 · 你的界面可能因版本略有不同

可连接 VS Code,但需要先准备

需要 Gemini Audio MCP 的密钥(在开发者网站创建) · 需要先在电脑上安装 Docker(只需一次)

让 AI 帮你安装

把这段话复制到 VS Code 的对话里。AI 会先检查电脑,告诉你要改哪个文件,并且每次都等你同意。

请在这台电脑上为 VS Code 安装 MCP server Gemini Audio MCP,按顺序:1) 用 docker --version 检查是否有 Docker。没有的话,请让我从 https://www.docker.com/products/docker-desktop/ 安装,不要自己安装。2) 只使用这份配置(已通过 PopNx MCP 检查):{ "servers": { "gemini-audio": { "type": "stdio", "command": "docker", "args": [ "run", "-i", "--rm", "-e", "GEMINI_API_KEY", "ghcr.io/jxoesneon/gemini-audio-mcp:0.1.0" ], "env": { "GEMINI_API_KEY": "your-value" } } } } 3) 告诉我要修改的文件完整路径或要运行的命令,等我同意。4) GEMINI_API_KEY 先保留 "your-value",请我自己把真实值粘贴到文件或应用的输入框里。不要让我在对话里输入密钥。5) 按约定执行,然后确认 Gemini Audio MCP 的工具真的出现了。

这段话不包含你的密钥。如果需要密钥,AI 会请你自己粘贴到文件或应用的输入框里。

  1. 安装 Docker(如果还没有)

    已经装好了吗?先检查 · 打开终端,输入这条命令后按 Enter

    docker --version
    • 显示版本号(例如 Docker version …)= 已安装,可跳过这一步
    • 显示 "command not found"(Windows 显示 "is not recognized")= 还没安装,或刚装好但需要关掉终端再重新打开
    怎么打开终端

    Mac:按 ⌘ + Space,输入 Terminal 后按 Enter

    Windows:打开“开始”菜单,输入 Windows PowerShell,然后选“打开”

    还没安装: 安装 Docker Desktop:Mac 打开 Docker.dmg,把图标拖到“应用程序”(按电脑选择 Apple silicon 或 Intel 版本)· Windows 双击 Docker Desktop Installer.exe · 装好后打开 Docker Desktop 应用并保持运行。不需要 curl 命令

    打开 Docker 下载页 ↗

    装好后关掉终端再打开,重新运行同一条命令,应显示版本号: docker --version

    安装一次,所有需要 Docker 的工具都能用

  2. 注册并创建 Gemini Audio MCP 的密钥

    打开开发者网站,注册账户并创建 API 密钥,下一步要用。价格和免费方案请看开发者网站。

    获取密钥的方法见下方开发者的 README

  3. 点击这个按钮打开 VS Code

    在 VS Code 中打开

    VS Code 会请你确认安装,点击 Install

  4. 填写你的密钥

    在 Gemini Audio MCP 的设置中,GEMINI_API_KEY 还是空的,填入你的密钥并保存

    只把密钥粘贴到应用的输入框里,不要粘贴到聊天中或发给任何人

  5. 在 VS Code 中以 Agent 模式打开 AI 聊天

  6. 试一试

    用 Gemini Audio MCP 告诉我你能帮我做什么,然后做一件给我看

    ✓ 如果 VS Code 说正在使用 Gemini Audio MCP,或回答中出现 Gemini Audio MCP 的工具名称,就表示连接成功

菜单名称已于 2026年11月11日 对照 VS Code 帮助页面核实 · 你的界面可能因版本略有不同

其他支持 MCP 的应用(如 Windsurf、Zed、Gemini CLI)添加方式各不相同,请在应用列表中查看

查看所有支持 MCP 的应用 →

JSON 设置在下方“开发者专用”中

卡住了?问问正在用 Gemini Audio MCP 的人💬 讨论 →
开发者专用:终端命令和 JSON 设置

安装在电脑上

Claude Code

claude mcp add --scope user gemini-audio --env GEMINI_API_KEY=your-value -- docker run -i --rm -e GEMINI_API_KEY ghcr.io/jxoesneon/gemini-audio-mcp:0.1.0

Claude Desktop (claude_desktop_config.json)

{
  "mcpServers": {
    "gemini-audio": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "GEMINI_API_KEY",
        "ghcr.io/jxoesneon/gemini-audio-mcp:0.1.0"
      ],
      "env": {
        "GEMINI_API_KEY": "your-value"
      }
    }
  }
}

Cursor (~/.cursor/mcp.json)

{
  "mcpServers": {
    "gemini-audio": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "GEMINI_API_KEY",
        "ghcr.io/jxoesneon/gemini-audio-mcp:0.1.0"
      ],
      "env": {
        "GEMINI_API_KEY": "your-value"
      }
    }
  }
}

VS Code (mcp.json)

{
  "servers": {
    "gemini-audio": {
      "type": "stdio",
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "GEMINI_API_KEY",
        "ghcr.io/jxoesneon/gemini-audio-mcp:0.1.0"
      ],
      "env": {
        "GEMINI_API_KEY": "your-value"
      }
    }
  }
}

需要你填写的值

  • GEMINI_API_KEY 机密 必填 env
    您的 Google AI Studio API 密钥
    查看英文原文Your Google AI Studio API Key

说明为自动翻译,变量名保持原样;不确定时请查看原文。

这些设置是根据作者在注册中心的条目生成的。如果 README 的写法不同,请以 README 为准。

一览

每周下载量i
不在 npm/PyPI 上
连接方式
在你的电脑上运行
最新版本i
0.1.0
发布到注册中心i
2026年4月4日
代码最后更新i
2026年11月3日
作者
jxoesneon
软件包
oci: ghcr.io/jxoesneon/gemini-audio-mcp:0.1.0
注册状态
活跃

哪些应用可以使用它

依据这个服务器的连接方式和各应用自己的文档,检查于 2026年11月10日。

在你的电脑上运行,适用于

ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast

全部应用及其优缺点 →

它能做什么

它在你的电脑上运行;安装后,工具列表会显示在你的 AI 应用中。

基础检查i

我们检查的是任何人都能看到的信息;我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月19日

  • ✓ 通过

    作者与仓库一致

    注册名称已通过 GitHub 账户 jxoesneon 验证,该账户拥有此仓库

  • ✓ 通过

    仍在维护

    代码最后更新于16天前

  • ✓ 通过

    有许可证

    使用 MIT

  • – 不适用

    端点有响应

    它在你的电脑上运行,没有互联网端点

  • – 不适用

    使用 OAuth 登录

    在你的电脑上运行,改用本地设置

  • … 尚未检查

    工具描述中没有隐藏指令

    它在你的电脑上运行;我们只能读取互联网端点的工具列表

已公开的漏洞(OSV.dev)

未检查:只能检查标明版本的 npm 和 PyPI 包

我们检查什么 → · JSON

作者:申请重新检查或报告信息错误
给作者:在 README 中加徽章

如果你是作者,可把这段代码贴到 README。徽章会链接回本页。

[![Featured on PopNx MCP](https://mcp.popnx.com/badge/jxoesneon-gemini-audio-mcp.svg)](https://mcp.popnx.com/en/servers/jxoesneon-gemini-audio-mcp)

讨论

提问、分享技巧或报告无法使用。按“有帮助”数量排序。

还没有帖子,欢迎第一个提问或分享。

此处内容由用户撰写,不代表 PopNx 团队。

登录后发帖

用户评价

还没有评价

登录后写评价

与“设计、图片与音频”中的其他服务器比较i

  • 星标数多于此分类中其他 3303 个服务器的 0%
  • 发布到注册中心的时间比此分类中其他 3303 个服务器的 3% 更新
  • 基础检查结果等于或优于此分类中其他 3303 个服务器的 99%

与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时,星标数才计入。

常见问题

Gemini Audio MCP 安全吗?

它在 3 项适用的基础检查中通过了 3 项。我们没有阅读代码。在添加密钥或令牌之前,请先看看这个服务器要求哪些权限,并使用只具备所需权限的密钥。

它需要哪些密钥或代码?

你需要填写:GEMINI_API_KEY

它在我的电脑上运行还是在云端?

它在你的电脑上运行。你的 AI 应用会在需要时启动它,数据不会经过作者的服务器(除非它自己调用在线服务)。

它还在维护吗?

GitHub 仓库最后更新于16天前,最新版本(0.1.0)于8个月前进入注册中心。

哪些应用可以使用它?

支持 MCP 的应用,例如 Claude Desktop、Claude Code、Cursor 和 VS Code。你的电脑上还需要有 Docker。

有什么可以替代它?

同一分类中有:HyperFrames by HeyGen, Pascal 3D Editor, draw.io, Figma MCP Server, Remocn: Remotion MCP server

功能相近的其他选择

同一分类、其他作者、命令已通过检查。官方的排在前面,再按星标排序。

如何看卡片:↓ 每周下载量i★ GitHub 星标i三大支柱:评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i

Pascal 3D Editor

Create, inspect, validate, and save editable 3D building scenes with Pascal's MCP server.

作者:pascalorg广泛使用↓ 1037/周★ 2.6万 整个仓库的星标昨天更新

电脑或云端✓ 服务方 · pascal.app

draw.io

Create draw.io diagrams in chat from Mermaid or XML, shown live and interactive. 10,000+ shapes.

作者:jgraph广泛使用★ 5854前天更新

在云端运行✓ 服务方 · draw.ioPopNx 团队已实际试用

Figma MCP Server

The Figma MCP server brings Figma design context directly into your AI workflow.

作者:figma广泛使用★ 221113个月前更新

在云端运行✓ 服务方 · mcp.figma.com
与相似项目对比
本项
Gemini Audio MCP
HyperFrames by HeyGenPascal 3D Editordraw.ioFigma MCP ServerRemocn: Remotion MCP server
运行位置需要安装在电脑上在云端运行,无需安装云端或安装在电脑上都可以在云端运行,无需安装在云端运行,无需安装在云端运行,无需安装
需要密钥是否否否否否
可在 Claude 中按 + 添加否是否否是否
基础检查3/34/45/54/44/44/4
许可证MITApache-2.0MITApache-2.0–MIT
价格登记中未列出费用登记中未列出费用登记中未列出费用登记中未列出费用登记中未列出费用登记中未列出费用

作者的 README

打开 README

按原文从作者的仓库复制。PopNx MCP 没有审查或背书其内容。HTML、图片和脚本已被移除。链接会离开本站。

🎵 Gemini Audio MCP

Gemini Audio MCP is a high-performance Model Context Protocol (MCP) server engineered for professional-grade audio synthesis. It leverages the Gemini 2.5 Multimodal Live API and Google DeepMind's Lyria 3 models to deliver high-fidelity environmental soundscapes, musical compositions, and expressive narration on-demand.


🛠 Prerequisites

Before deploying the server, ensure your environment meets the following technical requirements:

1. FFmpeg (Core Processing Engine)

Required for high-performance audio encoding, decoding, and transcoding.

  • macOS: brew install ffmpeg
  • Windows: winget install ffmpeg or download from ffmpeg.org.
  • Linux (Ubuntu/Debian): sudo apt update && sudo apt install ffmpeg
2. Rust Toolchain (Compilation)

Required to build the server from source.

  • Install via rustup.rs: curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
3. Node.js & NPM (Runtime)

Required if using the pre-compiled NPM package.

  • Version: node >= 18.0.0

🚀 Installation & Deployment

Global Installation (via NPX)

The fastest way to integrate the server into your MCP client (e.g., Claude Desktop).

{

"mcpServers": { "gemini-audio": { "command": "npx", "args": ["-y", "gemini-audio-mcp"], "env": { "GEMINI_API_KEY": "YOUR_SECURE_API_KEY" } } } }

Manual Build (Optimized)

For maximum performance, build the Rust binary locally:

  1. Clone & Build: bash git clone https://github.com/mcp-servers/gemini-audio-mcp.git cd gemini-audio-mcp cargo build --release
  2. Locate Binary: The optimized binary will be in ./target/release/gemini-audio-mcp.

🔑 API Key Management

The server requires a valid Google AI Studio API key.

  1. Obtain your key from Google AI Studio.
  2. Security Best Practice: Never hardcode keys. Inject the key via the GEMINI_API_KEY environment variable.
  3. Tier Note: Access to Lyria 3 (Pro/Clip) models typically requires a Paid Tier or specific preview access in Google AI Studio.

🎮 Tool Usage Guide

1. Environmental Generation (generate_soundscape)

Synthesizes immersive, vocal-free ambient textures.

{

"name": "generate_soundscape", "arguments": { "prompt": "Deep underwater abyss, low-frequency whale songs, rhythmic air bubbles rising, muffled aquatic pressure.", "duration": 60, "quality": "high", "auto_play": true } }

2. Professional Music (generate_music)

Generates structural compositions with optional vocal control.

{

"name": "generate_music", "arguments": { "prompt": "Melancholic solo cello in a vast cathedral with 5-second decay reverb.", "bpm": 72, "song_key": "D minor", "intensity": 4 } }

3. Expressive Voice (generate_voice)

Narration and character dialogue using Gemini 2.5 Native Audio.

{

"name": "generate_voice", "arguments": { "text": "The artifacts are stable, but the rift remains open.", "voice_direction": "Gravelly, urgent, whispered" } }

4. Dynamic Evolution (transition_soundscape)

Crossfades two distinct environments for seamless scene transitions.

{

"name": "transition_soundscape", "arguments": { "from_prompt": "Quiet library silence.", "to_prompt": "Sudden heavy rain on a tin roof.", "transition_duration": 8 } }


⚙️ Advanced Parameters

ParameterTypeDescription
seedIntegerEnsures deterministic, reproducible audio outputs.
image_pathStringMultimodal: Uses a local image to guide the acoustic mood (e.g., resonance).
bpmNumberExplicitly sets the rhythmic tempo (essential for music).
intensityNumber1-10 scale controlling dynamic range and complexity.
guidanceNumber0.0-6.0 scale for prompt adherence (Lyria models).
durationNumberTarget length in seconds. Triggers the Seamless Looping Engine.

🔬 Architecture Overview

Gemini Audio MCP employs a unique Hybrid Engine Strategy:

  • WebSocket Loop: Connects to Gemini 2.5 Live for low-latency, interactive voice and foley tasks.
  • REST Pipeline: Interfaces with Lyria 3 Pro for high-fidelity musical synthesis.
  • PCM Processing: An internal Rust-based loop (decode -> crossfade -> loop -> encode) ensures that short clips are transformed into seamless, infinite soundscapes without audible clicks.

🧪 Troubleshooting

FFmpeg Errors
  • "FFmpeg not found": Ensure ffmpeg is in your system PATH. Run ffmpeg -version in your terminal to verify.
  • Transcoding Failures: Check if you have the necessary codecs (e.g., libmp3lame for MP3). Most standard FFmpeg installations include these.
API Issues
  • 429 Rate Limit: The server implements a semaphore to limit concurrency, but ensure your API tier supports the requested model.
  • Empty Audio Output: Verify your GEMINI_API_KEY is correct and that your account has access to the requested model (especially lyria-3-pro-preview).

📄 License

Licensed under the MIT License. Engineered with precision by the MCP community.