Cómo conectar Fish Audio a Microsoft Copilot vía MCP

💡 ¿Sin instalación? Usa cloud.anythingmcp.com directamente. Inicia sesión, pulsa Connectors → Fish Audio, pega tus credenciales, genera una MCP API key y listo. Sin Docker, sin git clone, sin servidor local.

Fish Audio + Microsoft Copilot

Texto a voz, clonación de voz y voz a texto con Fish Audio: busca en una biblioteca de voces de la comunidad y con licencia, genera habla natural y multilingüe con etiquetas de emoción como archivos de audio, transcribe grabaciones con turnos de hablante, crea, modifica y elimina modelos de voz propios y consulta el crédito de la API. La síntesis y la transcripción se pagan con crédito de API prepago; existe un modelo de TTS gratuito.

Requisitos previos

Las instrucciones de configuración completas están incluidas en el conector (visibles en el store al seleccionarlo). Las variables de entorno requeridas:

FISH_AUDIO_API_KEY

Paso 1 — Obtener credenciales

La configuración lleva unos 2 minutos. Necesitas una cuenta de Fish Audio.

1. Regístrate en https://fish.audio y abre Developers, Get started (https://fish.audio/app/developers/get-started/).
2. Haz clic en Get your API key y copia la clave: solo se muestra una vez. Pégala en FISH_AUDIO_API_KEY. Se envía como Authorization: Bearer.
3. Instala el conector y ejecuta fish_audio_get_api_credit: muestra el crédito de la API para desarrolladores en dólares estadounidenses y confirma la clave.

Crédito de la API: las cuentas nuevas empiezan sin crédito de API. El texto a voz con el modelo s2.1-pro-free funciona enseguida; todos los demás modelos y la transcripción responden 402 hasta que añadas crédito en Developers, Billing (https://fish.audio/app/developers/billing/). El crédito de la API para desarrolladores es independiente de una suscripción a la app web, que muestra fish_audio_get_package.

Qué cuesta dinero: dos herramientas descuentan del crédito de la API.

• fish_audio_text_to_speech: 15 $ por millón de bytes UTF-8 de texto con s2.1-pro o s2-pro (unos 0,015 $ por cada 1.000 caracteres latinos; los caracteres chinos y japoneses ocupan 3 bytes cada uno), 50 $ por millón con drama-3 y nada con s2.1-pro-free.
• fish_audio_transcribe: 0,36 $ por hora de audio, facturado por segundo.

Las peticiones fallidas no se cobran y todas las demás herramientas son gratuitas. Antes de un texto o una grabación largos, la IA te indica la duración y el coste y espera tu sí.

Encontrar una voz: fish_audio_list_voices busca entre cientos de miles de voces de la comunidad y con licencia por title, tag (male, female, young, old, narration, calm, deep ...) e language (en, de, zh ...). sort_by task_count pone primero las voces más usadas, y licensed true devuelve solo voces que Fish Audio tiene con licencia de sus dueños, aptas para uso comercial. Cada voz tiene un enlace sample_audio para escucharla. self true lista tus propias voces, incluidas las privadas. fish_audio_get_voice muestra una voz; state trained significa que está lista.

Hablar: fish_audio_text_to_speech recibe el text y el id de la voz como reference_id (sin él usa una voz predeterminada) y adjunta el archivo de audio al resultado. model es s2.1-pro por defecto; en una cuenta sin crédito la IA usa s2.1-pro-free. format es mp3 (el más ligero), wav, opus o pcm; speed de 0,5 a 2 y volume en dB ajustan la locución; language ayuda a leer bien números, fechas y unidades. Las indicaciones entre corchetes en el texto marcan emoción y tono: [happy], [sad], [excited], [whispering], [laughing], [sighing], [break]. Los textos largos se dividen automáticamente en fragmentos y vuelven como un solo archivo, pero un resultado admite unos 10 MB de MP3, así que la IA divide un libro en capítulos.

Transcribir: fish_audio_transcribe recibe audio_url, un enlace público a un archivo de audio o vídeo (mp3, wav, m4a, ogg, flac, webm, mp4 ...) de hasta 10 MB, que AnythingMCP descarga y sube. El modelo predeterminado transcribe-1-pro admite hasta 60 minutos y varios hablantes: el texto lleva marcas como <|speaker:0|>. Con ignore_timestamps false obtienes además los segments de palabras y los speaker_turns con hablante, texto, inicio y fin. num_speakers, o min_speakers y max_speakers, ayudan a separar a los hablantes; tag_audio_events false quita indicaciones como [laughter]. Las etiquetas de hablante solo distinguen a los hablantes dentro de una transcripción.

Clonar una voz: fish_audio_create_voice recibe un title y voice_url, un enlace público a 10 a 30 segundos de habla limpia de un solo hablante, más su transcripción en text si la tienes. La voz nueva es privada salvo que elijas unlist, su _id sirve al instante como reference_id y cuenta para el límite de voces de tu plan. Clona solo voces que tengas derecho a usar. fish_audio_update_voice cambia el título, la descripción o la visibilidad de una voz propia; las etiquetas se editan en la app web.

Formatos de datos: los ids tienen 32 caracteres hexadecimales. Las fechas son ISO 8601 en UTC. credit y cumulative_top_up son dólares estadounidenses como cadenas decimales. Las marcas de tiempo de las transcripciones están en segundos.

Paginación: las listas de voces devuelven total (limitado a 1.000 en las búsquedas en la biblioteca) y has_more. La IA pide el siguiente page_number mientras has_more sea true; page_size es 20 por defecto.

Desactivada al instalar: fish_audio_delete_voice, porque borrar una voz no se puede deshacer y después ya no se puede generar habla con ella. Un administrador del workspace la activa cuando el equipo la necesita.

Límites: las peticiones simultáneas dependen de cuánto hayas prepagado: 5 por debajo de 100 $, 15 desde 100 $ y 50 desde 1.000 $. Una transcripción larga ocupa un hueco hasta que termina.

Errores comunes: 401 "Invalid token" significa una clave incorrecta. 402, que no hay crédito de API, o un modelo de pago en una cuenta sin crédito. 404, un id de voz desconocido. 400 o 422 apunta a un campo no válido, por ejemplo una indicación de hablantes con diarize false. 429, demasiadas peticiones simultáneas: la IA lo vuelve a intentar poco después.

El conector no diseña voces a partir de una descripción, no transmite voz ni transcripción en tiempo real por WebSocket, no gestiona los agentes de voz de Fish Audio ni usa sus herramientas de imagen y vídeo. Fish Audio tiene además su propio servidor MCP en https://api.fish.audio/mcp, que inicia sesión con OAuth y cobra el plan de la app web en lugar del crédito de la API para desarrolladores.

Paso 2 — Instalar el adapter

curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d

Paso 3 — Añadir el conector en Microsoft Copilot

La URL de tu servidor: en AnythingMCP abre MCP Servers → el servidor donde está este conector y copia su URL (https://cloud.anythingmcp.com/mcp/…). Úsala donde esta guía muestra YOUR_SERVER_ID.

Microsoft Copilot usa servidores MCP a través de agentes creados en Copilot Studio: añades AnythingMCP a un agente como herramienta y luego publicas el agente en Microsoft 365 Copilot y Teams. Copilot Studio se conecta desde la nube de Microsoft por Streamable HTTP, que AnythingMCP admite.

1. En Copilot Studio, abre tu agente (o crea uno), ve a Tools y elige Add a tool → New tool → Model Context Protocol.
2. Escribe un Server name (por ejemplo AnythingMCP), una Server description que diga qué hace el conector y la Server URL https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID. Copilot Studio usa la descripción para decidir cuándo llamar al servidor.
3. En la autenticación, elige API key, pon Type en Header y X-API-Key como nombre de la cabecera, y selecciona Create.
4. En Add tool, elige Create a new connection, pega una clave de API MCP de AnythingMCP (MCP Servers → tu servidor → API keys) y selecciona Add to agent.
5. Pruébalo en el panel Test del agente: pide algo que necesite las herramientas de Fish Audio.
6. Selecciona Publish y luego Channels → Microsoft 365 and Microsoft Teams, deja marcada Make agent available in Microsoft Copilot y elige Add channel. See agent in Teams lo instala para ti; en Microsoft 365 Copilot, escribe @ y elige el agente.

¿Prefieres que cada persona inicie sesión? En lugar de la clave de API elige OAuth 2.0 → Dynamic discovery: cada usuario inicia sesión en AnythingMCP la primera vez que el agente lo llama.

¿Lo alojas tú mismo? Usa la dirección HTTPS pública de tu instancia en lugar de https://cloud.anythingmcp.com. Copilot Studio se conecta desde la nube de Microsoft, así que localhost no funciona.

Herramientas disponibles

Ejemplos de prompts

• "¿Cuánto crédito de la API para desarrolladores me queda en Fish Audio?"
• "Busca entre las voces más usadas una voz de narrador masculina en inglés, tranquila y grave, y dame el enlace a la muestra."
• "Convierte este anuncio de producto en un MP3 con una voz femenina cálida en español, algo más lenta de lo normal. Dime antes cuánto cuesta."
• "Transcribe la entrevista de https://example.com/interview.mp3 con turnos de hablante y marcas de tiempo."
• "Crea un clon de voz privado llamado Voz Estudio a partir de mi muestra de 20 segundos en https://example.com/my-voice.wav."

FAQ

¿Para qué Copilot es? Para Microsoft 365 Copilot en el trabajo, mediante agentes de Copilot Studio. La app de Microsoft Copilot para cuentas personales no permite añadir tu propio servidor MCP.

¿Qué necesito? Una cuenta de trabajo con acceso a Copilot Studio (licencia o prueba) para crear el agente. Quien lo use en Microsoft 365 Copilot o Teams necesita acceso al agente: compártelo o pide a un administrador que lo publique para la organización. Si tu organización aplica directivas de datos a los conectores de Power Platform, también cubren los servidores MCP.

El agente no llama a las herramientas. Comprueba que el nombre de la cabecera sea exactamente X-API-Key y que la clave pertenezca al mismo servidor MCP que la URL, y escribe una Server description concreta: Copilot Studio la usa para decidir cuándo llamar al servidor. Vuelve a publicar el agente después de cada cambio; en un chat abierto, escribe "start over" para usar la nueva versión.

Siguientes pasos

• Página del conector
• Conectar a Claude
• Conectar a ChatGPT
• Conectar a Cursor
• Conectar a Gemini
• Conectar a Meta Muse