Audio zu MIDI von einem KI-Agenten über MCP

Veröffentlicht im Oktober 2026

Doseedo Transkription und seine musikalische Analyse sind Werkzeuge auf dem MCP-Server. Verbinden Sie ihn, und ein Agent transkribiert eine Aufnahme. Notizen — Tonhöhe, Einsatz, Ausklang, Anschlagstärke, Konfidenz — mit instrumentenspezifischen Modellen hinter einer einzigen Oberfläche und beantwortet die damit verbundenen Fragen: Was Schlüssel Ist das in, was Tempo und Zähler, wo sind die DownbeatsWas sind die AkkordeUnd der Teil, den ich gerade geschrieben habe, klingt harmonisch. Die Analysetools sind synchron und kostenlos, wodurch sie das Raster bilden, an dem sich ein Agent orientiert, bevor er einen Part rendert oder Noten in einer Session platziert.

Die Werkzeuge

• doseedo_transcribe — Audioeingang (Upload oder beliebige HTTPS-URL, inklusive separatem Audio-Stem), Notenausgang als JSON. Tipps zur Verbesserung: instrument ("piano", "sax", "vocals", "bass"), register, family wenn das Instrument unbekannt ist, polyphony — solo, poly, oder auch section mit einem roster von Stühlen für eine Bläsersektion ("trumpet,trumpet,trombone,tenor_sax"). Mit tempo_bpm Die Notenzeiten werden ebenfalls in Takten angegeben. want:"f0" Gibt die kontinuierliche Tonhöhenkontur anstelle von Noten zurück, für Gleittöne, Vibrato und Intonation.
• doseedo_analyze_song — Tonart, BPM und eine Tempokarte pro Takt, Taktart, Taktschläge, Abschnitte und Akkorde einer Aufnahme in einem einzigen synchronen Anruf.
• doseedo_detect_chords — eine Akkordtabelle mit Angaben zu den Intervallen in Sekunden und Takten.
• doseedo_beat_grid — Takt- und Downbeat-Zeiten, Schläge pro Takt, die Beat-Map.
• doseedo_analyze_midi — die Harmonie der von Ihnen geschriebenen Noten, bevor Sie sie wiedergeben oder platzieren.

Die Transkription ist ein asynchroner Prozess – laut Servervorgabe dauert er 15 bis 60 Sekunden, kostet maximal zwei Credits und oft auch gar keine – und wird mit folgender Wartezeit fortgesetzt: doseedo_wait_taskDie vier Analysetools antworten im selben Anruf und sind kostenlos.

Echte Leistung, an einem echten Stiel

Um dies konkreter und nicht nur beschrieben zu machen, hier ist doseedo_analyze_song Ein Solo-Klavierstück aus unserem öffentlichen Jam-Set, aufgenommen am 15.10.2026, auf die vorgegebene Form gekürzt (die vollständige Antwort enthielt 421 Akkorde und 25 Tempo-Punkte):

{
  "status": "done",
  "kind": "analyze_song",
  "bpm": 91,
  "key": { "name": "C# major", "root": 1, "scale": "major", "confidence": 0.769 },
  "meter": "4/4",
  "beats_per_bar": 4,
  "chords": [
    { "chord": "F#maj7", "start": 21.03, "end": 24.09, "start_beat": 0, "end_beat": 5, "confidence": 0.73 },
    { "chord": "F#m7",   "start": 24.09, "end": 24.79, "start_beat": 5, "end_beat": 6, "confidence": 0.83 },
    { "chord": "Bm",     "start": 24.79, "end": 25.55, "start_beat": 6, "end_beat": 7, "confidence": 0.70 },
    …
  ],
  "tempo_map": [ { "bpm": 90.35, "time": 21.03 }, { "bpm": 85.91, "time": 53.03 }, { "bpm": 90.65, "time": 64.15 }, … ],
  "downbeats": [ 22.19, 24.79, 27.52, 30.20, … ],
  "sections": [ { "name": "Section A", "position_beats": 0 }, { "name": "Section A", "position_beats": 33.65 }, … ],
  "dynamics": { "fade_in_sec": 21.03, "fade_out_start": 219.82 },
  "truncated": [ { "path": "chords", "kept": 105, "total": 421 } ],
  "next": "The full result is kept: GET https://api.doseedo.com/api/jobs/ mit Ihrem Schlüssel."}

Drei Dinge, die man davon ablesen kann. Konfidenzzahlen sind real — 0,77 auf der Tonart, 0,6 bis 0,87 pro Akkord — und ein Agent sollte einen 0,6-Akkord als Entwurf behandeln. Tempo-Map-Drifts (86 bis 102 bpm über die gesamte Aufnahme), da ein Soloklavier im Rubato kein festes Raster hat. Genau deshalb sollte eine zu dieser Aufnahme geschriebene Stimme die Karte verwenden, nicht die einzelne bpmUnd das Stück hat eine lange, stumme Einleitung: fade_in_sec: 21 Deshalb setzt der erste Akkord bei 21 Sekunden ein.

Läuft auf demselben Vorbau, doseedo_detect_chords — die beat-trackte Chart — hörte den Anfang als Ebm7 Bei 166,7 bpm (doppeltes Tempo, dieselbe Harmonie, abgeleitet von der Paralleltonart) mit einem anderen Raster. Diese Abweichung ist eine ehrliche Information und kein Fehler: Eine dichte oder rubatoartige Aufnahme stellt für beide Tools eine Herausforderung dar. Die Anleitung empfiehlt, Akkorde anhand einer separaten harmonischen Spur eines Mixes oder einer sauberen Aufnahme zu erkennen, um ein verlässliches Raster zu erhalten. Der erste Aufruf des Analysedienstes in dieser Aufnahme führte nach 45 Sekunden Inaktivität zu einem Timeout. Die Fehlermeldung wies den Agenten an, 30 Sekunden zu warten und es erneut zu versuchen. Der Wiederholungsversuch wurde innerhalb weniger Sekunden beantwortet.

Was man fragen sollte

> What key and tempo is ./ref.wav in, and where do the
  sections change?

> Transcribe the sax solo in ./solo.wav — tenor, monophonic —
  and show me the notes in beats at the song's tempo.

> Separate ./mix.wav, transcribe the bass stem, and put the
  notes on the Bass track of my "Bridge Demo" session.

> Here's the horn section stem: two trumpets, a trombone and
  a tenor. Give me each chair's part.

> Check the harmony of this progression I wrote before you
  render it.

Der dritte Hinweis ist der eigentliche Sinn dieser Funktion im MCP: Die Notizen enden nicht in einer Datei. Der Agent schreibt sie in eine Sitzungsspur mit set_midi_notes (exakte Noten, gespielt vom Instrument der DAW) oder gibt sie als Audio wieder mit doseedo_render_midi auf einem modellierten Instrument oder übergibt sie an einen Session-Build. Die MIDI bleiben unverändert – der Server ändert oder korrigiert niemals Noten im Hintergrund.

Notizen, keine .mid Datei – und warum

doseedo_transcribe Gibt Noten als strukturiertes JSON anstatt als Standard MIDI Datei zurück, da dies die Grundlage für die Verarbeitung durch einen Agenten ist: Er kann nach Konfidenz filtern und an das Raster anpassen. doseedo_beat_grid zurückgegeben, einen Akkord in Stimmen aufgeteilt oder das Ergebnis überprüft gegen doseedo_analyze_midi Bevor irgendetwas gespeichert wird. Wenn eine Datei das Ziel ist, schreiben die Projektwerkzeuge eine solche: doseedo_separate_stems mit include_midi Und doseedo_audio_to_session Fügen Sie pro-Stem-MIDI in ein natives Logic oder Ableton-Projekt ein, und die Webtool lädt ein .mid direkt. Audio zu Noten ist das Notationsende derselben Pipeline.

Die Analyse ist kostenlos und synchron; die Transkription wird nur geringfügig abgerechnet (im Rezept steht bis zu zwei Credits, keine, wenn ein CPU-Modell sie durchführt); doseedo_quote Preise werden zunächst von jedem einzelnen Kunden abgefragt. Anrufe können von jedem Kunden widerrufen werden. Einstellungen → API-Schlüssel.

Verwandt

• Audio zu MIDI im Browser
• Audio zu Noten
• Stem separation über MCP
• Gib die Noten auf einem modellierten Instrument wieder.
• Alle 33 Werkzeuge, ihre jeweilige Funktion