Big Buck Bunny, vertont von einem KI-Agenten

Veröffentlicht im Oktober 2026

Das sind die ersten 70 Sekunden von Big Buck Bunny mit einer neuen Orchesterpartitur. Ein KI-Agent hat jede Note geschrieben: Claude, verbunden mit dem öffentlichen Doseedo-MCP-Server. Doseedo hat den Schnitt analysiert, die 22 Stimmen gespielt, gemischt und die Musik auf das Bild gelegt. Niemand hat das Audio angefasst, und es wurde keine DAW geöffnet. Unten stehen die Aufrufe der Reihe nach, was jeder gedauert und gekostet hat, die Belege und was sie aufgefangen haben.

Die Aufrufe der Reihe nach

Das sind insgesamt 120 Credits. Die Stimmen wurden am 22. Oktober 2026 gerendert, Spotting, Mix und Auslieferung liefen am 29. Oktober. Das Leitfaden zur Filmmusik zeigt jede Anfrage und Antwort.

Was der Agent geschrieben hat

Eine Pastorale in D-Dur im 3/4-Takt: ein Morgen, der nach und nach erwacht, und dann erwacht ein großer, weicher, leicht alberner Hase. Das Morgen-Thema steigt eine Quarte wie ein Sonnenaufgang. Es erklingt dreimal: als Morgenruf der Flöte, vom vollen Horn, der Trompete und den Violinen auf der Titeleinblendung und auf der Oboe, wenn der Hase lächelt. Der Vogel bekommt ein Scherzando für Flöte, Pizzicato und Holzblock. Der Hase ist tief und komisch: Fagott-Schnarchen, ein Horn-Gähnen und eine Ratsche für das Knacken seines Rückens.

doseedo_tempo_map legten jeden strukturellen Hit auf einen Downbeat und verschoben das Tempo dabei sanft zwischen 69 und 93 bpm, mit einem Timing-Fehler von 0,018 ms. Zwei Schnitte, die nicht auf das Raster passten, wurden dorthin geschrieben, wo sie fallen.

Die Belege, Stimme für Stimme

Jede Stimme kam mit einem Fit-Beleg aus dem Render zurück (der Anteil ihrer notierten Noten, die zu hören waren), und der Agent hat jeden Stem noch einmal geprüft mit doseedo_check_take, das das Audio transkribiert und mit den Noten vergleicht.

• Warum manche Stimmen „check“ sagen. Die zweite Prüfung transkribiert den Stem, und der Transkriptor kann Harfen-Glissandi, Paukenwirbel, wiederholte Bogenstriche auf einer Tonhöhe oder sehr leises Pizzicato nicht verfolgen. Der Agent sah sich die markierten Noten im Spektrum an, und die erwarteten Obertöne waren da: Das D2 der Tuba zeigt zum Beispiel seinen Teilton bei 147 Hz.
• Was ein „pass“ übersehen hat. Die Stimme für Becken und große Trommel bestand beide Prüfungen, doch ihre leisen Swells starteten mit voller Aussteuerung, und sie fügte nach dem Titel-Crash Schläge hinzu. Ein neuer Take mit doseedo_render_midi (drei Takes, 30 Credits) lieferte einen sauberen. Der Mix im Video oben verwendet den Stem, wie er zuerst gerendert wurde, denn das Austauschen eines neuen Takes in einen fertigen Mix behielt den Pegel des alten Stems bei und drückte den neuen um 13 dB nach unten. Das steht jetzt auf der Liste der Dinge, die zu beheben sind.
• Timing. Bei messbaren Anschlägen liegen die Noten etwa 25 ms vom Raster entfernt: das Pizzicato 6 ms zu spät, der Holzblock zwischen 10 ms zu früh und pünktlich, die Flöte 6 bis 12 ms zu spät.

Was dieser Durchlauf im Produkt verändert hat

Einen echten Film durch den öffentlichen Server zu schicken, ist die Art, wie Lücken sichtbar werden. Dieser hat zwei gefunden, beide behoben und am 29. Oktober live:

• Die Cue-Liste eines ganzen Films kommt jetzt vollständig an. Das Spotting der gesamten zehn Minuten des Films lieferte nur 3 seiner 13 Cues, weil die Antwort zugeschnitten wurde, damit sie passt. Jetzt kommt jeder Cue zurück, und die langen Listen werden mitgezählt und sind einen Aufruf entfernt.
• Eine Auslieferung, die unter ihrer Ziellautheit landet, sagt, warum. Der Cue kam bei −16,6 LUFS gegen ein Ziel von −16 heraus, weil die Spitzen eines Orchester-Cues zuerst die Obergrenze erreichen und die Auslieferung nie limitiert. Der Bericht nennt jetzt die Differenz und den Grund.

Verwandt

• Einen Film mit einem KI-Agenten vertonen: der ganze Ablauf
• KI-Filmmusik-Tools im Vergleich
• MIDI-Wiedergabe mit echten Instrumenten
• Der Doseedo MCP-Server