sapiens-mcp 1.65.5 → 1.66.0

package/dist/registry.js

@@ -21,6 +21,7 @@ import { musicator, musicatorSchema } from "./tools/musicator.js";
 import { video, videoSchema } from "./tools/video.js";
 import { write, writeSchema } from "./tools/write.js";
 import { stockAudio, stockAudioSchema } from "./tools/stockAudio.js";
+import { voiceJp, voiceJpSchema } from "./tools/voiceJp.js";
 import { stockVideo, stockVideoSchema } from "./tools/stockVideo.js";
 import { brand, brandSchema } from "./tools/brand.js";
 import { character, characterSchema } from "./tools/character.js";
@@ -224,6 +225,11 @@ export const TOOLS = {
         schema: resumeSchema,
         handler: resume,
     },
+    sapiens_voice_jp: {
+        description: "Voz japonesa (TTS Irodori), motor LOCAL da casa, ADMIN-ONLY e de GRAÇA (zero Sinapse: roda numa GPU nossa, não numa API paga). Sub-actions: 'speak' (enfileira o take e por padrão ESPERA o áudio, devolvendo a audioUrl), 'status' (1 job por jobId), 'list' (histórico com a seed usada em cada take), 'queue' (a fila está andando? o worker está de pé?), 'models' (catálogo + limites + as duas notas de uso). O CORTE: só JAPONÊS. Texto em outra língua sai como leitura errada, não como sotaque; não tente 'português com sotaque japonês'. O QUE MAIS ERRA, e é medido, não achado: caption longo e descritivo pedindo 'homem de voz grave' empurra a voz pro AGUDO neste fine-tune (98-126 Hz sem caption contra 127-179 Hz com caption longo, mesma frase e mesma seed), e subir cfgScaleCaption NÃO conserta (4 -> 7 não move nada). Registro grave (seinen) é texto japonês + caption CURTO ou nenhum, e a identidade da voz vem da SEED: sem seed o worker sorteia e devolve a usada em usedSeed, que é como se repete a MESMA voz depois. Diferente das outras gerações da casa, esta é uma FILA: o áudio só sai enquanto o worker do outro lado estiver ligado. Com ele de pé um take de ~6s fica pronto em 2 a 4s; com ele desligado o job espera (não se perde, e não cobra nada). Chame action=queue antes de enfileirar em série, e action=models antes de escrever um caption caprichado.",
+        schema: voiceJpSchema,
+        handler: voiceJp,
+    },
 };
 // Guia de uso server-level: o protocolo MCP devolve isto no handshake (initialize)
 // e TODO cliente (Helen no Hermes, Gemini CLI, Cursor, Antigravity) injeta no modelo.
@@ -275,6 +281,7 @@ const TOOL_TITLES = {
     sapiens_pipeline: "Pipeline de Conteúdo",
     sapiens_image: "Gerar Imagem",
     sapiens_meta: "Conta & Utilitários",
+    sapiens_voice_jp: "Voz Japonesa (local)",
     sapiens_skill: "Skills da Casa",
     sapiens_repertorio: "Repertório",
     sapiens_gallery: "Galeria de Imagens",
@@ -324,6 +331,10 @@ const ADMIN_ONLY_TOOLS = new Set([
     // Despacho depende de rede conectada, e hoje so a casa tem: a rota tambem e
     // adminOnly. Quando abrir pra membro, sai daqui e do gate da rota juntos.
     "sapiens_distribution",
+    // Motor de voz japonesa: roda numa GPU da casa, por fila, e enquanto for
+    // japones-so nenhum membro precisa. O backend cobra admin no servidor
+    // (requireAdmin em convex/voiceJp.ts): sai daqui e do gate de la juntos.
+    "sapiens_voice_jp",
 ]);
 /**
  * Monta o payload do tools/list pro tier dado. Tier "user" esconde as

package/dist/tools/video.js

@@ -17,6 +17,20 @@ import { httpUrl } from "../schema.js";
  *               qualquer resposta síncrona aguenta). Nesse caso NÃO gere de novo,
  *               que cobraria duas vezes: acompanhe com `action=status` no imageId
  *               que veio junto, ou olhe a galeria depois.
+ *   - extend:   CONTINUA um take SEU no tempo: o pedaço seguinte, colado no frame
+ *               onde o anterior parou (mesmo elenco, mesma luz, mesma câmera,
+ *               sem recomeçar a cena). Não escolhe motor nem config: proporção,
+ *               resolução, som e modelo vêm do take-pai, porque é isso que faz o
+ *               pedaço colar. `prompt` diz só O QUE ACONTECE em seguida (opcional:
+ *               sem ele, a ação continua sozinha). Cada rodada é uma geração
+ *               cheia e cobra como tal (no Omni, um clipe inteiro por +10s).
+ *               Hoje só os motores Omni continuam; os outros recusam antes de
+ *               cobrar. Assíncrono: volta imageId + parte, acompanhe em
+ *               action=status. Encadeia (a parte 3 sai da parte 2), mas UMA POR
+ *               VEZ: a próxima precisa da anterior pronta pra continuar dela.
+ *   - chain:    a corrente inteira de um take (as partes na ordem, duração somada
+ *               quando as rows registraram, e qual parte serve de base pra
+ *               próxima continuação). Sem custo. Qualquer parte serve de imageId.
  *   - models:   catálogo vivo dos motores ativos com a FAIXA de preço (o que uma
  *               chamada sem config debita + o canto mais barato e o mais caro).
  *               Sem custo, sem login.
@@ -188,6 +202,8 @@ const FILM_STATUSES = ["rascunho", "na_fila", "renderizando", "pronto"];
 export const videoSchema = z.object({
     action: z.enum([
         "create",
+        "extend",
+        "chain",
         "generate",
         "status",
         "models",
@@ -355,7 +371,9 @@ export const videoSchema = z.object({
         .optional()
         .describe("action=generate ou action=status: generatedImages:_id do vídeo. O create devolve o imageId; " +
         "ou um vídeo já criado no site (o row define modelo + custo). Use sapiens_gallery action=list pra descobrir. " +
-        "action=sonorize: o imageId do clipe SEU (status completed) que vai ganhar som."),
+        "action=sonorize: o imageId do clipe SEU (status completed) que vai ganhar som. " +
+        "action=extend: o take SEU (completed) que ganha o pedaço seguinte; pode ser a raiz ou a última parte " +
+        "da corrente (o servidor resolve a posição). action=chain: qualquer parte da corrente."),
     // --- comum ---
     prompt: z
         .string()
@@ -750,6 +768,27 @@ export async function video(args) {
             prompt: args.prompt,
         });
     }
+    if (args.action === "extend") {
+        if (!args.imageId) {
+            throw new Error("action=extend exige imageId: o take SEU (já completed) que vai ganhar o pedaço seguinte. " +
+                "Pode ser a raiz ou a última parte de uma corrente; o servidor resolve a posição.");
+        }
+        return await convexAction("mcpExtrasActions:mcpVideoExtend", {
+            sessionToken,
+            imageId: args.imageId,
+            prompt: args.prompt,
+            durationSec: args.durationSec,
+        });
+    }
+    if (args.action === "chain") {
+        if (!args.imageId) {
+            throw new Error("action=chain exige imageId (qualquer parte da corrente serve).");
+        }
+        return await convexQuery("mcpExtras:mcpVideoChain", {
+            sessionToken,
+            imageId: args.imageId,
+        });
+    }
     if (args.action === "create") {
         if (!args.model && !args.templateSlug) {
             throw new Error("action=create exige model (ex: sapiens-video-seedance, sapiens-video-kling, sapiens-video-wan, sapiens-video-kling-motion) ou templateSlug (a receita traz o motor; veja action=templates).");

package/dist/tools/voiceJp.js

@@ -0,0 +1,148 @@
+import { z } from "zod";
+import { convexMutation, convexQuery, getSessionToken } from "../convexClient.js";
+/**
+ * Voz japonesa (TTS Irodori), motor LOCAL da casa. ADMIN-only.
+ *
+ * O QUE É: um motor de fala japonesa que roda numa GPU nossa, não numa API
+ * paga. Custa ZERO Sinapse. Em compensação ele não é instantâneo por natureza:
+ * o job entra numa fila e um worker do outro lado puxa. Com o worker ligado,
+ * um take de 6 segundos fica pronto em 2 a 4 segundos.
+ *
+ * O CORTE: só japonês. Texto em qualquer outra língua sai como leitura errada,
+ * não como sotaque. Não tente "português com sotaque japonês" aqui.
+ *
+ * O QUE MAIS ERRA (medido, não achado): caption longo e descritivo pedindo
+ * "homem de voz grave" empurra a voz pro AGUDO neste fine-tune. Registro grave
+ * é texto + caption CURTO ou nenhum, e a voz vem da SEED. Chame action=models
+ * antes de escrever um caption caprichado.
+ *
+ * Fluxo típico:
+ *   1. action=models   -> motores, limites e as duas notas que evitam take ruim
+ *   2. action=queue    -> o worker está vivo? (não enfileire dez takes no vazio)
+ *   3. action=speak    -> gera (espera o áudio por padrão)
+ *   4. action=list     -> o histórico, com a seed usada em cada take
+ */
+export const voiceJpSchema = z.object({
+    action: z
+        .enum(["speak", "status", "list", "queue", "models"])
+        .describe("speak = enfileira e espera o áudio; status = 1 job por id; list = histórico; queue = saúde da fila (worker vivo?); models = catálogo + limites + as notas de uso."),
+    text: z
+        .string()
+        .optional()
+        .describe("O que vai ser falado, EM JAPONÊS (obrigatório em speak). Outra língua sai como leitura errada. Teto de 300 caracteres: texto maior vira vários takes."),
+    caption: z
+        .string()
+        .optional()
+        .describe("Estilo da fala, em japonês. CURTO ganha: caption longo e descritivo empurra a voz pro agudo neste motor. Pra registro grave (seinen), prefira omitir e variar a seed."),
+    modelId: z
+        .string()
+        .optional()
+        .describe("id do catálogo (action=models). Default: irodori-4-1-anime."),
+    seed: z
+        .number()
+        .int()
+        .nonnegative()
+        .optional()
+        .describe("Trava a identidade da voz. Sem seed o worker sorteia e devolve a usada em usedSeed: é assim que se repete a MESMA voz num próximo take."),
+    numSteps: z
+        .number()
+        .int()
+        .optional()
+        .describe("Passos de amostragem, 8 a 120. Default 40; abaixo disso a fala perde definição e o ganho de tempo é pequeno."),
+    cfgScaleText: z.number().optional().describe("Aderência ao texto. Default 3."),
+    cfgScaleCaption: z
+        .number()
+        .optional()
+        .describe("Força do caption. Default 4. Subir NÃO conserta caption que desobedece (medimos 4 -> 7 sem mudança): reescreva o caption menor."),
+    cfgScaleSpeaker: z.number().optional().describe("Aderência à voz. Default 5."),
+    wait: z
+        .boolean()
+        .optional()
+        .describe("Default true: espera o worker terminar e já devolve a audioUrl. false devolve só o jobId, pra você seguir e checar depois com action=status."),
+    waitSeconds: z
+        .number()
+        .int()
+        .positive()
+        .max(180)
+        .optional()
+        .describe("Quanto esperar em speak. Default 60. Estourar não perde o job: ele continua na fila."),
+    jobId: z.string().optional().describe("obrigatório em action=status."),
+    status: z
+        .enum(["pending", "claimed", "completed", "error"])
+        .optional()
+        .describe("Filtra o histórico (action=list)."),
+    limit: z.number().int().positive().max(100).optional().describe("Default 20, max 100 (action=list)."),
+});
+const sleep = (ms) => new Promise((r) => setTimeout(r, ms));
+export async function voiceJp(args) {
+    const sessionToken = getSessionToken();
+    if (args.action === "models") {
+        return await convexQuery("voiceJp:mcpModels", { sessionToken });
+    }
+    if (args.action === "queue") {
+        const health = await convexQuery("voiceJp:mcpQueueHealth", { sessionToken });
+        // Traduz o número em recado: "worker parado" é o que o agente precisa
+        // saber antes de enfileirar, e ninguém quer ler milissegundo cru.
+        const paradoHa = health?.ultimoTakeCompletoMs;
+        const workerProvavelmenteVivo = typeof paradoHa === "number" ? paradoHa < 15 * 60 * 1000 : health?.pendentes === 0;
+        return {
+            ...health,
+            leitura: workerProvavelmenteVivo
+                ? "Worker parece vivo."
+                : "Nenhum take fechou nos últimos 15 min. O worker pode estar desligado: confirme antes de enfileirar em série.",
+        };
+    }
+    if (args.action === "status") {
+        if (!args.jobId)
+            throw new Error("action=status exige jobId.");
+        return await convexQuery("voiceJp:mcpStatus", { sessionToken, jobId: args.jobId });
+    }
+    if (args.action === "list") {
+        return await convexQuery("voiceJp:mcpList", {
+            sessionToken,
+            limit: args.limit,
+            status: args.status,
+        });
+    }
+    // action=speak
+    if (!args.text)
+        throw new Error("action=speak exige text (em japonês).");
+    const enqueued = await convexMutation("voiceJp:mcpEnqueue", {
+        sessionToken,
+        text: args.text,
+        caption: args.caption,
+        modelId: args.modelId,
+        seed: args.seed,
+        numSteps: args.numSteps,
+        cfgScaleText: args.cfgScaleText,
+        cfgScaleCaption: args.cfgScaleCaption,
+        cfgScaleSpeaker: args.cfgScaleSpeaker,
+    });
+    if (args.wait === false) {
+        return {
+            ...enqueued,
+            dica: "Job na fila. Chame action=status com este jobId pra pegar a audioUrl.",
+        };
+    }
+    const teto = (args.waitSeconds ?? 60) * 1000;
+    const inicio = Date.now();
+    let espera = 1000;
+    while (Date.now() - inicio < teto) {
+        await sleep(espera);
+        // Sobe o intervalo devagar: o take típico fecha em 2 a 4s, mas fila com
+        // vários takes na frente não merece uma rajada de polling.
+        espera = Math.min(5000, Math.round(espera * 1.4));
+        const job = await convexQuery("voiceJp:mcpStatus", { sessionToken, jobId: enqueued.jobId });
+        if (job?.status === "completed") {
+            return { ...job, esperouSegundos: Math.round((Date.now() - inicio) / 1000) };
+        }
+        if (job?.status === "error") {
+            throw new Error(`Geração falhou: ${job.errorMessage || "sem detalhe"}`);
+        }
+    }
+    return {
+        jobId: enqueued.jobId,
+        status: "pending",
+        aviso: `Passou de ${args.waitSeconds ?? 60}s sem fechar. O job NÃO foi perdido, segue na fila. Cheque action=status, e action=queue pra ver se o worker está de pé.`,
+    };
+}

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "sapiens-mcp",
-  "version": "1.65.5",
+  "version": "1.66.0",
   "mcpName": "com.sapiensinteticos/sapiens",
   "description": "MCP server pra operar o Sapiens Sintéticos (sapiensinteticos.com) pelo Claude Code: gerar imagem, escrever artigo, voz, música e mais, na sua conta. Login pelo código de sapiensinteticos.com/conectar-claude.",
   "type": "module",