Как подключить Fish Audio к Gemini через MCP

💡 Без установки? Используйте cloud.anythingmcp.com напрямую. Войдите, нажмите Connectors → Fish Audio, вставьте учётные данные, создайте MCP API key, и готово. Без Docker, без git clone, без локального сервера.

Fish Audio + Gemini

Синтез речи, клонирование голоса и распознавание речи с Fish Audio: поиск в библиотеке голосов сообщества и лицензированных голосов, естественная многоязычная речь с тегами эмоций в виде аудиофайлов, расшифровка записей со сменой говорящих, создание, изменение и удаление собственных голосовых моделей и проверка баланса API. Синтез и расшифровка оплачиваются из предоплаченного баланса API; есть бесплатная модель TTS.

Предварительные требования

Полные инструкции по настройке встроены в коннектор (видны в магазине при выборе коннектора). Требуемые переменные окружения:

FISH_AUDIO_API_KEY

Шаг 1 — Получите учётные данные

Настройка занимает около 2 минут. Нужен аккаунт Fish Audio.

1. Зарегистрируйтесь на https://fish.audio и откройте Developers, Get started (https://fish.audio/app/developers/get-started/).
2. Нажмите Get your API key и скопируйте ключ: он показывается только один раз. Вставьте его в FISH_AUDIO_API_KEY. Он отправляется как Authorization: Bearer.
3. Установите коннектор и запустите fish_audio_get_api_credit: он покажет баланс API для разработчиков в долларах США и подтвердит ключ.

Баланс API: у новых аккаунтов баланс API нулевой. Синтез речи моделью s2.1-pro-free работает сразу; все остальные модели и расшифровка возвращают 402, пока вы не пополните баланс в Developers, Billing (https://fish.audio/app/developers/billing/). Баланс API для разработчиков отделён от подписки на веб-приложение, которую показывает fish_audio_get_package.

Что стоит денег: с баланса API списывают два инструмента.

• fish_audio_text_to_speech: 15 $ за миллион байт текста в UTF-8 с s2.1-pro или s2-pro (около 0,015 $ за 1 000 латинских символов; китайские и японские символы занимают по 3 байта), 50 $ за миллион с drama-3, бесплатно с s2.1-pro-free.
• fish_audio_transcribe: 0,36 $ за час аудио с посекундной тарификацией.

Неудачные запросы не оплачиваются, все остальные инструменты бесплатны. Перед длинным текстом или записью ИИ называет длину и стоимость и ждёт вашего согласия.

Поиск голоса: fish_audio_list_voices ищет среди сотен тысяч голосов сообщества и лицензированных голосов по title, tag (male, female, young, old, narration, calm, deep ...) и language (en, de, zh ...). sort_by task_count ставит самые используемые голоса первыми, а licensed true возвращает только голоса, которые Fish Audio лицензировал у владельцев и которые можно использовать в коммерческих целях. У каждого голоса есть ссылка sample_audio для прослушивания. self true выводит ваши собственные голоса, включая приватные. fish_audio_get_voice показывает один голос; state trained означает, что он готов.

Озвучка: fish_audio_text_to_speech принимает text и ID голоса в reference_id (без него используется голос по умолчанию) и прикладывает аудиофайл к результату. model по умолчанию s2.1-pro; на аккаунте без баланса ИИ берёт s2.1-pro-free. format бывает mp3 (самый компактный), wav, opus или pcm; speed от 0,5 до 2 и volume в дБ настраивают подачу; language помогает правильно читать числа, даты и единицы измерения. Подсказки в квадратных скобках в тексте задают эмоцию и манеру: [happy], [sad], [excited], [whispering], [laughing], [sighing], [break]. Длинные тексты автоматически делятся на части и возвращаются одним файлом, но в один результат помещается около 10 МБ MP3, поэтому книгу ИИ делит на главы.

Расшифровка: fish_audio_transcribe принимает audio_url, публичную ссылку на аудио- или видеофайл (mp3, wav, m4a, ogg, flac, webm, mp4 ...) размером до 10 МБ, который AnythingMCP скачивает и загружает. Модель по умолчанию transcribe-1-pro справляется с записями до 60 минут и с несколькими говорящими: в тексте стоят метки вида <|speaker:0|>. С ignore_timestamps false вы дополнительно получаете segments по словам и speaker_turns с говорящим, текстом, началом и концом. num_speakers либо min_speakers и max_speakers помогают разделить говорящих; tag_audio_events false убирает пометки вроде [laughter]. Метки говорящих различают людей только внутри одной расшифровки.

Клонирование голоса: fish_audio_create_voice принимает title и voice_url, публичную ссылку на 10-30 секунд чистой речи одного говорящего, а также её текст в text, если он есть. Новый голос приватный, если вы не выберете unlist, его _id сразу работает как reference_id, и он учитывается в лимите голосов вашего тарифа. Клонируйте только те голоса, на использование которых у вас есть право. fish_audio_update_voice меняет название, описание или видимость вашего голоса; теги редактируются в веб-приложении.

Форматы данных: ID состоят из 32 шестнадцатеричных символов. Даты в ISO 8601 по UTC. credit и cumulative_top_up указаны в долларах США десятичными строками. Временные метки в расшифровках даны в секундах.

Постраничный вывод: списки голосов возвращают total (при поиске по библиотеке не больше 1 000) и has_more. Пока has_more равно true, ИИ запрашивает следующий page_number; page_size по умолчанию 20.

Отключено при установке: fish_audio_delete_voice, потому что удаление голоса необратимо и после него речь этим голосом больше не создать. Администратор рабочего пространства включает инструмент, когда он нужен команде.

Ограничения: число одновременных запросов зависит от суммы предоплаты: 5 при сумме меньше 100 $, 15 от 100 $ и 50 от 1 000 $. Длинная расшифровка занимает слот до своего завершения.

Частые ошибки: 401 «Invalid token» означает неверный ключ. 402 означает, что баланса API нет, или платную модель на аккаунте без баланса. 404 означает неизвестный ID голоса. 400 или 422 указывают на неверное поле, например подсказку о говорящих при diarize false. 429 означает слишком много одновременных запросов: ИИ повторяет запрос чуть позже.

Коннектор не создаёт голоса по текстовому описанию, не передаёт синтез и расшифровку в реальном времени через WebSocket, не управляет голосовыми агентами Fish Audio и не использует его инструменты для изображений и видео. У Fish Audio есть и собственный MCP-сервер по адресу https://api.fish.audio/mcp: он входит через OAuth и списывает оплату с тарифа веб-приложения, а не с баланса API для разработчиков.

Шаг 2 — Установите адаптер

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

Шаг 3 — Добавьте коннектор в Gemini

URL вашего сервера: в AnythingMCP откройте MCP Servers → сервер, на котором находится этот коннектор, и скопируйте его URL (https://cloud.anythingmcp.com/mcp/…). Используйте его везде, где в этом руководстве указано YOUR_SERVER_ID.

Gemini CLI читает MCP-серверы из ~/.gemini/settings.json (в Windows: %USERPROFILE%\.gemini\settings.json). Добавь:

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

1. Создай MCP API-ключ в AnythingMCP в разделе MCP Servers → твой сервер → API keys и вставь его вместо YOUR_MCP_API_KEY.
2. Сохрани файл и перезапусти gemini.
3. Выполни /mcp в Gemini CLI (или gemini mcp list в терминале): anythingmcp должен отображаться как подключённый.
4. Начинай писать промпты: Gemini CLI теперь может вызывать инструменты Fish Audio.

Доступные инструменты

Примеры запросов

• «Сколько осталось на балансе API для разработчиков в моём аккаунте Fish Audio?»
• «Найди среди самых популярных голосов спокойный низкий мужской голос диктора на английском и дай ссылку на образец.»
• «Сделай из этого анонса продукта MP3 тёплым женским голосом на русском, чуть медленнее обычного. Сначала скажи, сколько это будет стоить.»
• «Расшифруй интервью по ссылке https://example.com/interview.mp3 со сменой говорящих и временными метками.»
• «Создай приватный клон голоса с названием Студийный диктор из моего 20-секундного образца https://example.com/my-voice.wav.»

FAQ

Где Gemini CLI ищет MCP-серверы? В ~/.gemini/settings.json для твоего пользователя или в .gemini/settings.json внутри проекта. gemini mcp list показывает каждый сервер и статус подключения.

Следующие шаги

• Страница коннектора
• Подключить к Claude
• Подключить к ChatGPT
• Подключить к Cursor
• Подключить к Meta Muse
• Подключить к Microsoft Copilot