跳到主要内容

用 goose 和 Speech MCP 做 vibe coding

· 阅读需 4 分钟
·
Adewale Abati
Adewale Abati
Staff Developer Advocate

博客封面

想象只靠大声描述你想要什么来创建一个应用，就像在和朋友说话。这就是 vibe coding 的魔力：在 AI 智能体的帮助下，把自然语言变成能运行的代码。打字输入提示能完成工作，但说出来感觉完全不同 🔥 新的 Speech MCP 服务器简直是走进了聊天。

在最近的 Wild Goose Case 直播中，主持人 Ebony Louis 和 Adewale Abati 邀请了来自 Block AI 工具团队的 Max Novich，他演示了一个令人兴奋的新扩展——Speech MCP 服务器。

直播中，Max 只用语音命令创建了整个 Web 应用——不需要键盘或鼠标。结果是一个充满活力、带有 3D 效果、合成波美学和交互元素的动画网页，全部通过与 goose 的自然对话创建。

Speech MCP 服务器​

Speech MCP是一个开源 MCP 服务器，让你能与像 goose 这样的 AI 智能体进行语音交互。它的特别之处在于完全在你的机器上本地运行，因此它：

  • 与 LLM 无关
  • 注重隐私
  • 比基于云的替代方案更省成本
  • 没有互联网连接也能使用

关键功能​

  1. 本地语音处理：使用两个主要模型：

    • Faster Whisper：一种把语音转成文本的高效方法
    • Coqui TTS：一个日本工程团队打造的文本转语音模型，有 54 种听起来自然的声音

  2. 声音选择：从 54 种不同声音中选择，特征和个性各异

  3. 多说话人叙述：生成并播放多个声音之间的对话

  4. 音频转写：把音频/视频内容转成带时间戳和说话人检测的文本

现场演示亮点​

演示中，Max 展示了几项令人印象深刻的能力：

  1. 语音控制的开发：

    • 创建动画文字效果
    • 实现 3D 变换
    • 用渐变和网格加入合成波美学
    • 集成音乐控制

  2. 系统集成：

    • 用语音命令控制 Discord 等应用
    • 在文件系统和开发环境中导航
    • 生成并管理音频内容

  3. 自然交互：

    • 与 goose 流畅对话
    • 实时反馈和调整
    • 用于文档的多声音叙述

开始使用​

要自己试用 Speech MCP 服务器：

  1. 安装所需的音频库（PortAudio）：

    # For macOS
    brew install portaudio

    # For Linux
    apt-get install portaudio  # or dnf install portaudio

  2. 使用一键深链接安装直接在 goose 中安装该扩展

加入开发​

Speech MCP 服务器是开源的，欢迎贡献。你也可以在 Discord上联系 Max，提问和协作。

与像 goose 这样有能力和工具去执行指令的 AI 智能体进行语音交互，带来一种不同的氛围，让未来感觉比以往更近。无论你对 vibe coding、无障碍改进感兴趣，还是只是想在让 goose 扮演 J.A.R.V.I.S 时更像一点钢铁侠，Speech MCP 服务器都提供了人机协作未来的一瞥——而且今天就能用。