Audio a MIDI desde un agente de IA, a través de MCP

Publicado en octubre de 2026

Transcripción de Doseedo y su análisis musical son herramientas en el servidor MCP. Conéctelo y un agente transcribirá una grabación a notas — tono, inicio, finalización, velocidad, confianza — con modelos por instrumento detrás de una superficie, y responde a las preguntas que los rodean: qué llave ¿Esto está en qué? tempo y medidor, ¿dónde están los? ritmos lentos¿Cuáles son las acordesy la parte que acabo de escribir es armónicamente sólida. Las herramientas de análisis son síncronas y gratuitas, lo que las convierte en la cuadrícula sobre la que escribe un agente antes de renderizar una parte o añadir notas a una sesión.

Las herramientas

• doseedo_transcribe — audio de entrada (una carga o cualquier URL https, incluyendo una pista separada), notas de salida como JSON. Las sugerencias lo perfeccionan: instrument ("piano", "sax", "vocals", "bass"), register, family cuando el instrumento es desconocido, polyphony — solo, poly, o section con un roster de sillas para una sección de metales ("trumpet,trumpet,trombone,tenor_sax"). Con tempo_bpm Los tiempos de las notas también se devuelven en pulsos. want:"f0" Devuelve el contorno de tono continuo en lugar de notas, para deslizamientos, vibrato e entonación.
• doseedo_analyze_song — Tonalidad, BPM y un mapa de tempo por tiempo, compás, tiempos fuertes, secciones y acordes de una grabación, en una llamada síncrona.
• doseedo_detect_chords — una tabla de acordes con intervalos en segundos y tiempos.
• doseedo_beat_grid — tiempos de pulso y tiempo fuerte, pulsos por compás, el mapa rítmico.
• doseedo_analyze_midi — la armonía de las notas que escribiste, antes de reproducirlas o colocarlas.

La transcripción es un trabajo asíncrono (la receta del servidor indica de 15 a 60 segundos, hasta dos créditos y a menudo ninguno) que se espera con doseedo_wait_taskLas cuatro herramientas de análisis responden en la misma llamada y son gratuitas.

Salida real, en un vástago real

Para hacer esto concreto en lugar de describirlo, aquí está doseedo_analyze_song Ejecución sobre una pista de piano solo de nuestra sesión de improvisación pública, grabada el 15/10/2026, recortada a la forma (la respuesta completa contenía 421 acordes y 25 puntos de mapa de tempo):

{
  "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/ con tu llave."}

Tres cosas que se pueden extraer de él. El Los números de confianza son reales. — 0,77 en la clave, de 0,6 a 0,87 por acorde — y un agente debería tratar un acorde de 0,6 como un borrador. El derivas del mapa de tempo (de 86 a 102 bpm en toda la toma) porque un piano solo tocando rubato no tiene una cuadrícula fija, que es precisamente por lo que una parte escrita sobre esta grabación debería usar el mapa, no el único bpmY la pieza tiene una larga introducción silenciosa: fade_in_sec: 21 Por eso el primer acorde empieza a los 21 segundos.

Correr sobre el mismo vástago, doseedo_detect_chords — el gráfico con ritmo — escuchó la apertura como Ebm7 a 166,7 bpm (doble tempo, la misma armonía deletreada a partir de su relativa menor) con una cuadrícula diferente. Esa discrepancia es información honesta, no un error: una grabación densa o rubato es el caso difícil para ambas herramientas, y la propia nota de la receta dice que se deben detectar acordes en una pista armónica separada de una mezcla, o en una toma limpia, para obtener una partitura en la que se pueda confiar. La primera llamada al servicio de análisis en esta captura también expiró a los 45 segundos después de que el servicio hubiera estado inactivo; el error le indicó al agente que esperara 30 segundos y volviera a intentarlo una vez, y el reintento respondió en unos segundos.

Qué preguntar

> 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.

La tercera indicación es el propósito de tener esto en el MCP: las notas no se detienen en un archivo. El agente las escribe en una pista de sesión con set_midi_notes (notas exactas, tocadas por el instrumento del DAW), o las convierte en audio con doseedo_render_midi en un instrumento modelado, o se los entrega a una sesión de compilación. El MIDI permanece tal como se recibió; el servidor nunca modifica ni corrige las notas a espaldas del agente.

Notas, no un archivo .mid — y por qué

doseedo_transcribe Devuelve las notas como JSON estructurado en lugar de un archivo MIDI estándar, porque eso es lo que un agente procesa: puede filtrar por nivel de confianza y cuantizar a la cuadrícula. doseedo_beat_grid devuelto, dividir un acorde en voces o comprobar el resultado contra doseedo_analyze_midi antes de que se confirme nada. Cuando el objetivo es un archivo, las herramientas del proyecto lo escriben: doseedo_separate_stems con include_midi y doseedo_audio_to_session insertar MIDI por pista en un proyecto nativo Logic o Ableton, y el herramienta web descargas una .mid directamente. Audio a partitura es la notación final de la misma tubería.

El análisis es gratuito y síncrono; la transcripción se cobra de forma moderada (la receta indica hasta dos créditos, ninguno cuando la procesa un modelo de CPU); doseedo_quote precios cualquiera de ellos primero. Las llamadas son revocables por cliente desde Configuración → Claves API.

Relacionado

• Audio a MIDI, en el navegador
• Audio a partitura
• Stem separation sobre MCP
• Representa las notas en un instrumento modelado.
• Las 33 herramientas, qué hace cada una