Come collegare Fish Audio a Gemini 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 + Gemini

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 Gemini

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.

Gemini CLI legge i server MCP da ~/.gemini/settings.json (su Windows %USERPROFILE%\.gemini\settings.json). Aggiungi:

{
  "mcpServers": {
    "anythingmcp": {
      "httpUrl": "https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID",
      "headers": { "X-API-Key": "YOUR_MCP_API_KEY" }
    }
  }
}

1. Crea una chiave API MCP in AnythingMCP da MCP Servers → il tuo server → API keys e incollala al posto di YOUR_MCP_API_KEY.
2. Salva il file e riavvia gemini.
3. Esegui /mcp in Gemini CLI (oppure gemini mcp list dal terminale): anythingmcp dovrebbe risultare connesso.
4. Inizia a scrivere prompt: Gemini CLI ora può chiamare i tool di Fish Audio.

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

Dove cerca i server MCP Gemini CLI? In ~/.gemini/settings.json per il tuo utente, oppure in .gemini/settings.json dentro un progetto. gemini mcp list mostra ogni server e se si connette.

Prossimi passi

• Landing del connettore
• Collegare a Claude
• Collegare a ChatGPT
• Collegare a Cursor
• Collegare a Meta Muse
• Collegare a Microsoft Copilot