beplus-mcp 0.32.0 → 0.34.0

package/README.md

@@ -84,7 +84,11 @@ Reinicie o cliente. Rode a tool **`whoami`** para confirmar o vínculo.
 | `generate_image` | Gera imagem (nano-banana / gpt-image-2). Bloqueante ~90s; retorna URL + imagem inline. Suporta refs, tamanho/qualidade, e extras do gpt-image-2 (background, moderation, output_format/compression). |
 | `generate_video` | Gera vídeo (Seedance / Kling). Aguarda ~120s; senão devolve o id pra `check_generation`. Suporta first/last frame, refs de imagem/vídeo/áudio, prompt negativo, áudio gerado, mode e motion-control. |
 | `upscale` | Melhora a resolução de uma imagem ou vídeo que já existe (Topaz). Detecta o tipo pelo arquivo. Imagem até 4x (~20s, a partir de 6💎); vídeo até 30s e saída até 1080p, custa por bloco de 10s e **descarta o áudio**. Mede o arquivo sozinho para o preço sair certo. ⚠️ Vídeo é restrito à equipe. |
-| `generate_audio` | Sintetiza fala (Gemini TTS, ~30 vozes, multi-locutor). Síncrono. |
+| `generate_audio` | Sintetiza fala (Gemini TTS, multi-locutor). Padrão `gemini-3.8-flash-lite-tts`; os modelos 3.8 aceitam vozes da biblioteca, tags vocais (`<laugh>`, `<sigh>`...) e `style` por locutor; os legados só as 30 vozes clássicas. Síncrono. |
+| `list_tts_voices` | Lista as vozes da biblioteca do TTS 3.8 (filtros: idioma, gênero, tom, contexto, busca) com o id para usar em `voice`. Somente leitura. |
+| `list_custom_voices` | Lista suas vozes próprias do TTS 3.8 (máx. 3) com o `voice_xxx` para usar em `voice`. Clonar a própria voz só no app web. Somente leitura. |
+| `design_voice` | Cria uma voz própria a partir de uma descrição. Gasta 💎 e leva ~30 s. |
+| `delete_custom_voice` | Apaga uma voz própria (destrutivo, sem volta). |
 | `generate_music` | Gera música completa (Suno v5.5 / v4.5) — modo descrição ou letra própria, tags, instrumental, vocal_gender, controles criativos. Async. |
 | `check_generation` | Status de uma geração async por id. |
 | `cancel_generation` | Cancela uma geração em fila/processamento (estorna diamantes). |

package/dist/index.js

@@ -21621,6 +21621,19 @@ var BeplusClient = class {
   tts(body2) {
     return this.request("POST", "/tts", { body: body2, timeoutMs: 9e4 });
   }
+  ttsVoices(query) {
+    return this.request("GET", "/tts/voices", { query, timeoutMs: 2e4 });
+  }
+  customVoices() {
+    return this.request("GET", "/tts/custom-voices", { timeoutMs: 2e4 });
+  }
+  // Leva ~30 s no Google; 90 s cobre a espera com folga.
+  designVoice(body2) {
+    return this.request("POST", "/tts/custom-voices/design", { body: body2, timeoutMs: 9e4 });
+  }
+  deleteCustomVoice(id) {
+    return this.request("DELETE", `/tts/custom-voices/${encodeURIComponent(id)}`, { timeoutMs: 3e4 });
+  }
   models() {
     return this.request("GET", "/models");
   }
@@ -22179,9 +22192,14 @@ var MUSIC_MODELS = [
 ];
 var VOCAL_GENDERS = ["f", "m"];
 var TTS_MODELS = [
+  "gemini-3.8-flash-lite-tts",
+  "gemini-3.8-flash-tts",
   "gemini-3.1-flash-tts-preview",
   "gemini-2.5-pro-preview-tts"
 ];
+var TTS_MODELS_38 = ["gemini-3.8-flash-lite-tts", "gemini-3.8-flash-tts"];
+var CUSTOM_VOICE_ID = /^voice_[a-z0-9]{6,64}$/;
+var LIBRARY_VOICE_ID = /^[a-z]{2,3}-[a-z0-9]{2,4}-[a-z0-9-]{1,60}$/;
 var VOICES = [
   "Zephyr",
   "Puck",
@@ -22226,7 +22244,7 @@ var DEFAULTS = {
   videoAspect: "16:9",
   videoResolution: "720p",
   videoDuration: 5,
-  ttsModel: "gemini-3.1-flash-tts-preview",
+  ttsModel: "gemini-3.8-flash-lite-tts",
   voice: "Kore",
   musicModel: "suno/v5-5"
 };
@@ -23463,26 +23481,65 @@ ${BUDGET_BLOCKED_GUIDANCE}`);
 }
 
 // src/tools/audio.ts
+var VOICE_HELP = "Uma das 30 vozes cl\xE1ssicas (Kore, Puck, Charon...) OU o id de uma voz da biblioteca (ex.: pt-br-advisor-10, s\xF3 nos modelos 3.8; descubra ids com list_tts_voices).";
+var VOICE_HELP_TOP = `${VOICE_HELP} Ou o id de uma voz pr\xF3pria (voice_xxx, de list_custom_voices; s\xF3 3.8 e sem multi_speaker).`;
+var voiceSchema = external_exports.string().refine((v) => VOICES.includes(v) || LIBRARY_VOICE_ID.test(v), {
+  message: "Voz inv\xE1lida: use uma das 30 vozes cl\xE1ssicas (ex.: Kore) ou um id da biblioteca (ex.: pt-br-advisor-10)."
+});
+var topVoiceSchema = external_exports.string().refine((v) => VOICES.includes(v) || LIBRARY_VOICE_ID.test(v) || CUSTOM_VOICE_ID.test(v), {
+  message: "Voz inv\xE1lida: use uma das 30 vozes cl\xE1ssicas (ex.: Kore), um id da biblioteca (ex.: pt-br-advisor-10) ou uma voz pr\xF3pria (voice_xxx)."
+});
+function isCustomVoice(v) {
+  return CUSTOM_VOICE_ID.test(v);
+}
+function isLibraryVoice(v) {
+  return !VOICES.includes(v) && LIBRARY_VOICE_ID.test(v);
+}
+var speakerSchema = external_exports.object({
+  name: external_exports.string().min(1).max(50),
+  voice: voiceSchema.describe(VOICE_HELP),
+  style: external_exports.string().max(500).optional().describe('Entrega deste locutor (s\xF3 modelos 3.8), ex.: "calmo, grave, pausado".')
+});
 function registerAudioTools(server, client, cfg) {
   server.registerTool(
     "generate_audio",
     {
       title: "Gerar \xE1udio (TTS)",
-      description: 'Sintetiza fala a partir de texto (s\xEDncrono \u2014 retorna a URL na hora) usando o IA Lab da BePlus. ~30 vozes. Opcional `style_instruction` (notas de dire\xE7\xE3o, ex.: "fale animado e pausado") e di\xE1logo com 2 locutores via `multi_speaker`. Consome diamantes por segundo de \xE1udio.' + TEAM_GATING_NOTE,
+      description: 'Sintetiza fala a partir de texto (s\xEDncrono \u2014 retorna a URL na hora) usando o IA Lab da BePlus. Modelos Gemini 3.8 (`gemini-3.8-flash-lite-tts`, padr\xE3o, r\xE1pido e barato; `gemini-3.8-flash-tts`, qualidade de est\xFAdio, melhor para di\xE1logo e narra\xE7\xE3o longa) aceitam: vozes da biblioteca (milhares, por idioma; liste com `list_tts_voices` e passe o id em `voice`), tags vocais no texto como <laugh> <chuckle> <sigh> <breath> <gasp> <cough> <sneeze> <throat-clearing> <yawn> <groan> <scream> <whimper> <argh> <short pause> <long pause> (viram som de verdade), e estilo por locutor (`style` em cada speaker). No 3.8, `style_instruction` \xE9 dire\xE7\xE3o e N\xC3O \xE9 lida em voz alta. Os modelos legados (`gemini-3.1-flash-tts-preview`, `gemini-2.5-pro-preview-tts`) s\xF3 aceitam as 30 vozes cl\xE1ssicas (Kore, Puck, Charon...) e n\xE3o t\xEAm voz da biblioteca. Vozes pr\xF3prias (voice_xxx; liste com `list_custom_voices`, crie com `design_voice`) s\xF3 no 3.8 e sem `multi_speaker`. No 3.8, dire\xE7\xE3o por linha: `(sussurrando) texto` no in\xEDcio da linha vale at\xE9 a pr\xF3xima dire\xE7\xE3o; no di\xE1logo, `Ana (rindo): fala`; rea\xE7\xF5es `|hmm|` `|aham|` no meio da fala (s\xF3 di\xE1logo). Opcional `style_instruction` (ex.: "fale animado e pausado") e di\xE1logo com 2 locutores via `multi_speaker`. Consome diamantes por segundo de \xE1udio.' + TEAM_GATING_NOTE,
       inputSchema: {
         text: external_exports.string().min(1).max(1e4).describe("Texto a ser falado."),
-        voice: external_exports.enum(VOICES).default(DEFAULTS.voice).describe("Voz (ex.: Kore, Puck, Charon)."),
+        voice: topVoiceSchema.default(DEFAULTS.voice).describe(VOICE_HELP_TOP),
         model: external_exports.enum(TTS_MODELS).default(DEFAULTS.ttsModel).describe("Modelo TTS."),
         style_instruction: external_exports.string().max(2e3).optional().describe("Instru\xE7\xE3o de estilo/tom aplicada \xE0 fala."),
         multi_speaker: external_exports.object({
-          speaker1: external_exports.object({ name: external_exports.string().min(1).max(50), voice: external_exports.enum(VOICES) }),
-          speaker2: external_exports.object({ name: external_exports.string().min(1).max(50), voice: external_exports.enum(VOICES) })
+          speaker1: speakerSchema,
+          speaker2: speakerSchema
         }).optional().describe('Di\xE1logo de 2 locutores. Marque as falas no texto como "Nome: ...".'),
         project: external_exports.string().max(64).optional().describe('Projeto (uuid OU code curto, ex.: "VRAO-26"). Omita para usar o projeto ativo da conta.')
       }
     },
     async (args) => {
       try {
+        const ms = args.multi_speaker;
+        const voices = [args.voice, ms?.speaker1.voice, ms?.speaker2.voice].filter((v) => !!v);
+        if (isCustomVoice(args.voice)) {
+          if (!TTS_MODELS_38.includes(args.model)) {
+            return errorResult("Vozes pr\xF3prias s\xF3 funcionam nos modelos Gemini 3.8 (gemini-3.8-flash-lite-tts, gemini-3.8-flash-tts).");
+          }
+          if (ms) {
+            return errorResult("Vozes pr\xF3prias n\xE3o funcionam no modo di\xE1logo (multi_speaker). Use uma voz da biblioteca ou cl\xE1ssica.");
+          }
+        }
+        if (!TTS_MODELS_38.includes(args.model)) {
+          if (voices.some(isLibraryVoice)) {
+            return errorResult(
+              `Vozes da biblioteca s\xF3 funcionam nos modelos Gemini 3.8 (gemini-3.8-flash-lite-tts, gemini-3.8-flash-tts). O modelo ${args.model} s\xF3 aceita as 30 vozes cl\xE1ssicas (Kore, Puck, Charon...).`
+            );
+          }
+          if (ms?.speaker1.style || ms?.speaker2.style) {
+            return errorResult("O estilo por locutor (`style`) s\xF3 funciona nos modelos Gemini 3.8.");
+          }
+        }
         const body2 = compact({
           text: args.text,
           voice: args.voice,
@@ -23516,6 +23573,119 @@ ${BUDGET_BLOCKED_GUIDANCE}`);
       }
     }
   );
+  server.registerTool(
+    "list_tts_voices",
+    {
+      title: "Listar vozes da biblioteca TTS",
+      description: 'Lista vozes da biblioteca do Gemini 3.8 TTS (n\xE3o inclui as 30 cl\xE1ssicas como Kore e Puck). Filtre por idioma (`language`, BCP-47, padr\xE3o pt-BR; "all" = todos), `gender`, `pitch`, `context` (ex.: Audiobook) e `search` (texto livre em nome, persona, descri\xE7\xE3o, sotaque). Passe o `id` da voz em `voice` do generate_audio com um modelo 3.8 (gemini-3.8-flash-lite-tts ou gemini-3.8-flash-tts). Somente leitura, sem custo.',
+      inputSchema: {
+        language: external_exports.string().max(12).optional().describe('Idioma BCP-47, ex.: pt-BR, en-US. Padr\xE3o pt-BR. "all" = sem filtro.'),
+        gender: external_exports.enum(["female", "male", "neutral"]).optional(),
+        pitch: external_exports.enum(["low", "medium", "high"]).optional(),
+        context: external_exports.string().max(60).optional().describe("Uso da voz (trecho), ex.: Audiobook, Enterprise Agent."),
+        search: external_exports.string().max(100).optional().describe("Texto livre: nome, persona, descri\xE7\xE3o, sotaque."),
+        limit: external_exports.number().int().min(1).max(200).optional().describe("Padr\xE3o 60."),
+        offset: external_exports.number().int().min(0).optional()
+      }
+    },
+    async (args) => {
+      try {
+        const res = await client.ttsVoices(compact(args));
+        const offset = args.offset ?? 0;
+        if (!res.voices.length) {
+          return textResult(`Nenhuma voz encontrada (total ${res.total}). Idiomas dispon\xEDveis: ${res.languages.join(", ")}.`);
+        }
+        const lines = res.voices.map((v) => {
+          const desc = v.description ? ` | ${v.description.length > 110 ? `${v.description.slice(0, 107)}...` : v.description}` : "";
+          return `${v.id} | ${v.name} | ${v.gender} | ${v.pitch}${desc}`;
+        });
+        const more = res.total > offset + res.voices.length ? ` Use offset=${offset + res.voices.length} para ver mais.` : "";
+        return textResult(
+          `Vozes ${offset + 1}-${offset + res.voices.length} de ${res.total} (id | nome | g\xEAnero | tom | descri\xE7\xE3o):
+${lines.join("\n")}
+
+Use o id em voice (modelos 3.8).${more}
+Contextos: ${res.contexts.join(", ")}.`
+        );
+      } catch (e) {
+        return errorResult(apiErrorToUserMessage(e));
+      }
+    }
+  );
+  server.registerTool(
+    "list_custom_voices",
+    {
+      title: "Listar vozes pr\xF3prias",
+      description: "Lista as suas vozes pr\xF3prias do TTS 3.8 (m\xE1x. 3, guardadas por 1 ano). Passe o campo `voice` (voice_xxx) em `voice` do generate_audio com um modelo 3.8, sem multi_speaker. Crie com `design_voice`. Clonar a pr\xF3pria voz exige grava\xE7\xE3o de consentimento ao vivo e s\xF3 existe no app web. Somente leitura, sem custo.",
+      inputSchema: {}
+    },
+    async () => {
+      try {
+        const res = await client.customVoices();
+        const head = `Vozes pr\xF3prias: ${res.used} de ${res.limit}. Criar uma voz custa ${res.design_cost} \u{1F48E}.`;
+        if (!res.voices.length) return textResult(`${head}
+Nenhuma ainda. Use design_voice para criar.`);
+        const lines = res.voices.map(
+          (v) => `${v.id} | ${v.voice} | ${v.name} | ${v.kind} | expira ${v.expires_at.slice(0, 10)}`
+        );
+        return textResult(
+          `${head} (id | voice | nome | tipo | validade):
+${lines.join("\n")}
+
+Use o valor de "voice" (voice_xxx) no generate_audio. Para apagar, use o "id" em delete_custom_voice.`
+        );
+      } catch (e) {
+        return errorResult(apiErrorToUserMessage(e));
+      }
+    }
+  );
+  server.registerTool(
+    "design_voice",
+    {
+      title: "Criar voz pr\xF3pria por descri\xE7\xE3o",
+      description: "Cria uma voz pr\xF3pria a partir de uma descri\xE7\xE3o em texto (idade, timbre, sotaque, jeito de falar). GASTA diamantes (o custo aparece em list_custom_voices; estorna se falhar) e leva cerca de 30 s. M\xE1x. 3 vozes por pessoa; a voz fica guardada por 1 ano. Depois use o `voice` retornado no generate_audio (modelos 3.8, sem multi_speaker).",
+      inputSchema: {
+        name: external_exports.string().min(1).max(40).describe("Nome da voz (1 a 40 caracteres)."),
+        description: external_exports.string().min(10).max(500).describe("Como \xE9 a voz: idade, g\xEAnero, timbre, sotaque, jeito de falar (10 a 500 caracteres)."),
+        language: external_exports.string().max(12).optional().describe("Idioma BCP-47. Padr\xE3o pt-BR."),
+        gender: external_exports.enum(["female", "male", "neutral"]).optional()
+      }
+    },
+    async (args) => {
+      try {
+        const res = await client.designVoice(compact(args));
+        const v = res.voice;
+        return textResult(
+          `\u2705 Voz criada: ${v.name} (${v.kind}).
+voice: ${v.voice}
+id: ${v.id}
+` + (v.sample_url ? `Amostra: ${v.sample_url}
+` : "") + `Custo: ${res.diamond_cost} \u{1F48E} \xB7 Saldo: ${res.new_balance} \u{1F48E} \xB7 Expira em ${v.expires_at.slice(0, 10)}.
+Use o valor de "voice" no generate_audio com um modelo 3.8 (sem multi_speaker).`
+        );
+      } catch (e) {
+        return errorResult(apiErrorToUserMessage(e));
+      }
+    }
+  );
+  server.registerTool(
+    "delete_custom_voice",
+    {
+      title: "Apagar voz pr\xF3pria",
+      description: "DESTRUTIVO e sem volta: apaga uma voz pr\xF3pria (aqui e no Google) e libera 1 vaga das 3. \xC1udios j\xE1 gerados com ela continuam tocando, mas n\xE3o d\xE1 para gerar novos com essa voz. N\xE3o devolve diamantes. Passe o `id` (uuid) de list_custom_voices, n\xE3o o voice_xxx. Confirme com o usu\xE1rio antes.",
+      inputSchema: {
+        id: external_exports.string().uuid().describe('Campo "id" (uuid) da voz em list_custom_voices.')
+      }
+    },
+    async (args) => {
+      try {
+        await client.deleteCustomVoice(args.id);
+        return textResult(`\u2705 Voz ${args.id} apagada. Uma vaga foi liberada.`);
+      } catch (e) {
+        return errorResult(apiErrorToUserMessage(e));
+      }
+    }
+  );
 }
 
 // src/tools/music.ts
@@ -24321,7 +24491,7 @@ var KINDS = {
   tts: {
     title: "Locu\xE7\xE3o",
     size: { w: 320, h: 212 },
-    data: { model: "gemini-3.1-flash-tts-preview", voice: "Algieba", speed: "normal" },
+    data: { model: "gemini-3.8-flash-lite-tts", voice: "Algieba", speed: "normal" },
     inputs: ["text"],
     outputs: ["audio", "approved"],
     dynamic: "style conforme o modelo"
@@ -26867,7 +27037,7 @@ N\xF3s: ${Object.entries(ids).map(([k, v]) => `${k}=${v}`).join(" \xB7 ")}` : ""
 import { createRequire } from "module";
 var require2 = createRequire(import.meta.url);
 function readVersion() {
-  if ("0.32.0") return "0.32.0";
+  if ("0.34.0") return "0.34.0";
   try {
     const pkg = require2("../package.json");
     return pkg.version ?? "0.0.0-unknown";