Come collegare Fish Audio a Microsoft Copilot via MCP

💡 Niente installazione? Vai direttamente su cloud.anythingmcp.com. Accedi, clicca Connectors → Fish Audio, inserisci le credenziali, genera una MCP API key e hai finito. Niente Docker, niente git clone, niente server locale.

Fish Audio + Microsoft Copilot

Sintesi vocale, clonazione della voce e trascrizione con Fish Audio: cerca in una libreria di voci della community e con licenza, genera parlato naturale e multilingue con tag di emozione come file audio, trascrivi registrazioni con i turni dei parlanti, crea, modifica ed elimina modelli vocali personalizzati e controlla il credito API. Sintesi e trascrizione si pagano dal credito API prepagato; esiste un modello TTS gratuito.

Prerequisiti

Le istruzioni di setup complete sono incluse nel connettore stesso (visibili nello store quando lo selezioni). Le variabili d'ambiente richieste sono:

FISH_AUDIO_API_KEY

Step 1 — Ottieni le credenziali

La configurazione richiede circa 2 minuti. Ti serve un account Fish Audio.

1. Registrati su https://fish.audio e apri Developers, Get started (https://fish.audio/app/developers/get-started/).
2. Clicca Get your API key e copia la chiave: viene mostrata una sola volta. Incollala in FISH_AUDIO_API_KEY. Viene inviata come Authorization: Bearer.
3. Installa il connettore ed esegui fish_audio_get_api_credit: mostra il credito API per sviluppatori in dollari USA e conferma la chiave.

Credito API: i nuovi account partono senza credito API. La sintesi vocale con il modello s2.1-pro-free funziona subito; tutti gli altri modelli e la trascrizione rispondono 402 finché non aggiungi credito in Developers, Billing (https://fish.audio/app/developers/billing/). Il credito API per sviluppatori è separato dall'eventuale abbonamento alla web app, che mostra fish_audio_get_package.

Cosa costa: due strumenti scalano dal credito API.

• fish_audio_text_to_speech: 15 $ per milione di byte UTF-8 di testo con s2.1-pro o s2-pro (circa 0,015 $ ogni 1.000 caratteri latini; i caratteri cinesi e giapponesi occupano 3 byte ciascuno), 50 $ per milione con drama-3, niente con s2.1-pro-free.
• fish_audio_transcribe: 0,36 $ per ora di audio, addebitati al secondo.

Le richieste fallite non vengono addebitate e tutti gli altri strumenti sono gratuiti. Prima di un testo o di una registrazione lunghi l'AI ti indica durata e costo e aspetta il tuo sì.

Trovare una voce: fish_audio_list_voices cerca tra centinaia di migliaia di voci della community e con licenza per title, tag (male, female, young, old, narration, calm, deep ...) e language (en, de, zh ...). sort_by task_count mette prima le voci più usate, e licensed true restituisce solo le voci che Fish Audio ha in licenza dai proprietari, utilizzabili a fini commerciali. Ogni voce ha un link sample_audio da ascoltare. self true elenca le tue voci, comprese quelle private. fish_audio_get_voice mostra una singola voce; state trained significa che è pronta.

Parlare: fish_audio_text_to_speech riceve il text e l'id della voce come reference_id (senza, usa una voce predefinita) e allega il file audio al risultato. model è s2.1-pro di default; su un account senza credito l'AI usa s2.1-pro-free. format è mp3 (il più leggero), wav, opus o pcm; speed da 0,5 a 2 e volume in dB regolano la resa; language aiuta a leggere correttamente numeri, date e unità. Indicazioni tra parentesi quadre nel testo regolano emozione e tono: [happy], [sad], [excited], [whispering], [laughing], [sighing], [break]. I testi lunghi vengono divisi automaticamente in blocchi e tornano come un unico file, ma un risultato contiene circa 10 MB di MP3, quindi l'AI divide un libro in capitoli.

Trascrivere: fish_audio_transcribe riceve audio_url, un link pubblico a un file audio o video (mp3, wav, m4a, ogg, flac, webm, mp4 ...) fino a 10 MB, che AnythingMCP scarica e carica. Il modello predefinito transcribe-1-pro gestisce fino a 60 minuti e più parlanti: il testo contiene marcatori come <|speaker:0|>. Con ignore_timestamps false ottieni anche i segments delle parole e gli speaker_turns con parlante, testo, inizio e fine. num_speakers oppure min_speakers e max_speakers aiutano a separare i parlanti; tag_audio_events false toglie indicazioni come [laughter]. Le etichette dei parlanti li distinguono solo all'interno di una trascrizione.

Clonare una voce: fish_audio_create_voice riceve un title e voice_url, un link pubblico a 10-30 secondi di parlato pulito di un solo parlante, più la trascrizione in text se ce l'hai. La nuova voce è privata a meno che tu non scelga unlist, il suo _id funziona subito come reference_id e conta nel limite di voci del tuo piano. Clona solo voci che hai il diritto di usare. fish_audio_update_voice cambia titolo, descrizione o visibilità di una tua voce; i tag si modificano nella web app.

Formati dei dati: gli id sono di 32 caratteri esadecimali. Le date sono ISO 8601 in UTC. credit e cumulative_top_up sono dollari USA come stringhe decimali. I timestamp delle trascrizioni sono in secondi.

Paginazione: gli elenchi di voci restituiscono total (limitato a 1.000 per le ricerche in libreria) e has_more. L'AI chiede il page_number successivo finché has_more è true; page_size è 20 di default.

Disattivato all'installazione: fish_audio_delete_voice, perché l'eliminazione di una voce non si può annullare e dopo non si può più generare parlato con essa. Un admin del workspace lo attiva quando serve al team.

Limiti: il numero di richieste contemporanee dipende da quanto hai prepagato: 5 sotto i 100 $, 15 da 100 $ e 50 da 1.000 $. Una trascrizione lunga occupa uno slot finché non termina.

Errori comuni: 401 "Invalid token" indica una chiave errata. 402 indica che manca il credito API, oppure un modello a pagamento su un account senza credito. 404 un id di voce sconosciuto. 400 o 422 un campo non valido, per esempio un'indicazione sui parlanti con diarize false. 429 troppe richieste contemporanee: l'AI riprova poco dopo.

Il connettore non progetta voci a partire da una descrizione, non trasmette sintesi o trascrizione in tempo reale via WebSocket, non gestisce i voice agent di Fish Audio e non usa i suoi strumenti per immagini e video. Fish Audio ha anche un proprio server MCP su https://api.fish.audio/mcp, che accede con OAuth e addebita il piano della web app invece del credito API per sviluppatori.

Step 2 — Installa l'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

Step 3 — Aggiungi il connettore in Microsoft Copilot

L'URL del tuo server: in AnythingMCP apri MCP Servers → il server su cui si trova questo connettore e copia il suo URL (https://cloud.anythingmcp.com/mcp/…). Usalo ovunque questa guida mostra YOUR_SERVER_ID.

Microsoft Copilot usa i server MCP tramite gli agenti creati in Copilot Studio: aggiungi AnythingMCP a un agente come strumento, poi pubblichi l'agente in Microsoft 365 Copilot e in Teams. Copilot Studio si collega dal cloud di Microsoft via Streamable HTTP, che AnythingMCP supporta.

1. In Copilot Studio apri il tuo agente (o creane uno), vai su Tools e scegli Add a tool → New tool → Model Context Protocol.
2. Inserisci un Server name (per esempio AnythingMCP), una Server description che dica cosa fa il connettore e il Server URL https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID. Copilot Studio usa la descrizione per decidere quando chiamare il server.
3. Come autenticazione scegli API key, imposta Type su Header e come nome dell'header X-API-Key, poi seleziona Create.
4. In Add tool scegli Create a new connection, incolla una chiave API MCP di AnythingMCP (MCP Servers → il tuo server → API keys) e seleziona Add to agent.
5. Provalo nel riquadro Test dell'agente: chiedi qualcosa che richiede i tool di Fish Audio.
6. Seleziona Publish, poi Channels → Microsoft 365 and Microsoft Teams, lascia selezionato Make agent available in Microsoft Copilot e scegli Add channel. See agent in Teams lo installa per te; in Microsoft 365 Copilot scrivi @ e scegli l'agente.

Preferisci un accesso per ogni utente? Al posto della chiave API scegli OAuth 2.0 → Dynamic discovery: ogni persona accede ad AnythingMCP la prima volta che l'agente lo chiama.

Usi il self-hosting? Usa l'indirizzo HTTPS pubblico della tua istanza al posto di https://cloud.anythingmcp.com. Copilot Studio si collega dal cloud di Microsoft, quindi localhost non funziona.

Tool disponibili

Esempi di prompt

• "Quanto credito API per sviluppatori resta sul mio account Fish Audio?"
• "Trova tra le voci più usate una voce narrante maschile inglese, calma e profonda, e dammi il link al campione."
• "Trasforma questo annuncio di prodotto in un MP3 con una voce femminile italiana calda, un po' più lenta del normale. Dimmi prima quanto costa."
• "Trascrivi l'intervista su https://example.com/interview.mp3 con i turni dei parlanti e i timestamp."
• "Crea un clone vocale privato chiamato Voce Studio dal mio campione di 20 secondi su https://example.com/my-voice.wav."

FAQ

Per quale Copilot vale? Per Microsoft 365 Copilot in azienda, tramite gli agenti di Copilot Studio. L'app Microsoft Copilot per account personali non permette di aggiungere un proprio server MCP.

Cosa mi serve? Un account di lavoro con accesso a Copilot Studio (licenza o prova) per creare l'agente. Chi lo usa in Microsoft 365 Copilot o in Teams deve avere accesso all'agente: condividilo, oppure chiedi a un amministratore di pubblicarlo per l'organizzazione. Se la tua organizzazione applica criteri sui dati ai connettori di Power Platform, valgono anche per i server MCP.

L'agente non chiama i tool. Controlla che il nome dell'header sia esattamente X-API-Key e che la chiave appartenga allo stesso server MCP dell'URL, e scrivi una Server description precisa: Copilot Studio la usa per decidere quando chiamare il server. Dopo ogni modifica pubblica di nuovo l'agente; in una chat già aperta scrivi "start over" per passare alla nuova versione.

Prossimi passi

• Landing del connettore
• Collegare a Claude
• Collegare a ChatGPT
• Collegare a Cursor
• Collegare a Gemini
• Collegare a Meta Muse