Paxa MCP — голос и OCR для агента
Paxa MCP
Агент говорит вслух через колонки, слушает микрофон, переводит на 15 языков и читает PDF с тайским текстом через Paxa Labs
- 10 ★ репозитория
- Последний коммит
- MIT
Расширенный доступ
Почему такой уровень
- Сервер записывает звук с микрофона и читает локальные аудио, видео, PDF и изображения, а затем отправляет их в API Paxa Labs
- Хуки Claude Code запускают команду `paxa say` при событиях, и ключ API списывает кредиты при каждой озвучке
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add mcp/paxa-mcpОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Сервер записывает звук с микрофона и читает локальные аудио, видео, PDF и изображения, а затем отправляет их в API Paxa Labs
- Хуки Claude Code запускают команду `paxa say` при событиях, и ключ API списывает кредиты при каждой озвучке
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
MCP-сервер подключает агента к API Paxa Labs, сервису речи для тайского, английского и китайского. Инструмент speak озвучивает короткую фразу через колонки компьютера, queue_speech читает длинный текст очередью с нарезкой на куски, а control_playback ставит очередь на паузу, пропускает и очищает ее. Для файлов есть text_to_speech: он сохраняет озвучку в mp3, `wav`, `opus` или `pcm` и умеет писать субтитры `srt` и `vtt`. Голоса можно описать словами. design_voice создает голос по описанию, refine_voice правит его, save_voice сохраняет под идентификатором. listen записывает фразу с микрофона и возвращает расшифровку, transcribe_audio расшифровывает записи и видео с метками говорящих и списком пауз для монтажа. Остальное касается документов и текстов. `translate` переводит между 15 языками с глоссарием и формальностью, ocr_document читает PDF и изображения в Markdown, extract_fields достает типизированные поля (тайские удостоверения, даты, суммы, позиции счетов). Отдельная команда paxa `say` озвучивает уведомления Claude Code через хуки.
Для кого. Создателям видео и подкастов, тайскоязычным командам и всем, кто хочет слышать отчеты агента вместо чтения и диктовать ему ответы.
Подходит, если
- Агент закончил долгую задачу, а вы отошли от экрана и хотите услышать итог в двух фразах
- Видео с лекцией нужно превратить в текст с субтитрами `srt` и списком пауз, которые стоит вырезать
- Закадровый текст идет в один файл озвучки с субтитрами, подогнанными по времени
- Отсканированные тайские документы читаются через OCR и раскладываются по полям
- Claude Code должен голосом сообщить, что ждет разрешения
Не подходит, если
- Сервер запущен на машине без звука и без микрофона: speak и listen там бесполезны
- Нужна речь на русском: основной упор сделан на тайский, английский и китайский, русский есть среди 15 языков перевода, а голосов на нем нет
- Аудио нельзя отправлять во внешний сервис: каждая озвучка и расшифровка идет через API Paxa Labs
Пример запроса к агенту
Расшифруй interview.mp4 с субтитрами `srt` и покажи паузы длиннее 0,7 секунды, которые стоит вырезать.MCP
- Транспорт
- stdio
- Авторизация
- API-ключ
Переменные окружения
PAXA_API_KEYобязательная, секрет- Ключ API Paxa, без него вызовы к сервису не работают
PAXA_OUTPUT_DIR- Папка для файлов text_to_speech, по умолчанию рабочая
PAXA_DEFAULT_VOICE- Голос по умолчанию, по умолчанию foithong
PAXA_MIC- Устройство микрофона для listen
Ограничения
Нужен ключ PAXA_API_KEY: новые аккаунты получают бесплатные кредиты, дальше озвучка стоит 10 кредитов за 1000 знаков, а перевод 25. Проект в бете, названия и поведение инструментов могут измениться до версии 1.0.
Для listen нужны Node.js 22 или новее, записывающая утилита вроде `ffmpeg` или `sox` и разрешение на микрофон для приложения. Для видео и склейки частей аудио нужен `ffmpeg`. Потоковое воспроизведение требует mpg123, `ffplay` или `mpv`, на Windows пауза не работает. Хук paxa `say` не срабатывает без PATH до команды.
Как отключить. Выполните `claude mcp remove paxa` или удалите запись paxa из конфигурации клиента. Если ставили команду paxa, уберите хуки Notification и Stop из ~/.claude/settings.json и выполните `npm uninstall -g @paxalabs/mcp`.
Частые вопросы
Как поставить Paxa MCP в Claude Code?
Командой claude mcp add paxa -e PAXA_API_KEY=pxa_your_key_here -- npx -y @paxalabs/mcp. Ключ берут на paxalabs.com. После этого агенту доступны speak, queue_speech и остальные инструменты.
Как заставить Claude говорить, когда он ждет разрешения?
Поставьте команду paxa через `npm install -g @paxalabs/mcp` и добавьте в ~/.claude/settings.json хук Notification с командой `paxa say`. Для озвучки итога в конце каждого хода добавляют такой же хук Stop.
Сколько стоят вызовы?
Расход считается в кредитах: озвучка 10 за 1000 знаков, перевод 25 за 1000 знаков, OCR 6,5 за страницу, расшифровка 8,33 за минуту, прослушивание микрофона 12,5 за минуту. Баланс покажет get_account.
Есть ли расширение для Claude Desktop?
Да, в релизах на GitHub лежит пакет .mcpb со своей копией сервера. Откройте его в Claude Desktop и введите ключ в настройках расширения, Node.js и npm для него не нужны.
Нужен ли `ffmpeg`?
Для речи не нужен. `ffmpeg` требуется для видео на входе и для склейки частей mp3, `opus` и `wav`, а для listen годится `ffmpeg` или `sox`. Без него text_to_speech и остальные инструменты работают.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
MCP-серверыMCP-сервер голосового API SaluteSpeech от Сбера: записывает речь с микрофона, распознает ее и озвучивает ответ агента
Локальный синтез речи для агентов: команда и скилл озвучивают текст, клонируют голос по записи и собирают музыку из партитуры без облака и платы за символы
MCP-сервер озвучки: превращает текст и сценарии с несколькими голосами в аудио через ElevenLabs и хранит историю заданий.
MCP-сервер для SaluteSpeech от Сбера: расшифровка русской речи в текст и озвучка текста голосами Сбера
Локальный MCP-сервер озвучки для macOS: клонирование голоса, синтез речи и аудиокниги из PDF по команде агента
Официальный MCP-сервер MiniMax: синтез речи, клонирование и дизайн голоса, генерация изображений и видео
Сравнение с похожими
Карточки с тем же главным запросом: чем они отличаются.
| Инструмент | Официальный | Авторизация | Звезды репозитория | Главное отличие |
|---|---|---|---|---|
| Paxa MCP — голос и OCR для агента (эта карточка) | да | API-ключ | 10 | |
| ElevenLabs Skills | да | 536 | скиллы озвучки и голоса ElevenLabs, а здесь сервер Paxa с OCR, переводом и очередью воспроизведения | |
| SaluteSpeech MCP | нет | API-ключ | 1 | распознавание и синтез речи SaluteSpeech для русского, а здесь тайский, английский и китайский |
Коротко о README
Описание дает быстрый старт для Claude Code, Cursor, VS Code и Claude Desktop, таблицу из 19 инструментов с ценой в кредитах, раздел про голосовой режим Claude Code и хуки, описание моделей речи Paxa TTS Flash v2 и v1, теги режиссуры вроде [`whispering`] и таблицы переменных окружения и плееров по системам. Лицензия MIT.