Génération musicale par un agent IA, via MCP

Publié en octobre 2026

Le serveur Doseedo MCP héberge trois générations d'outils, chacun étant un instrument différent pour une tâche spécifique. doseedo_generate_music fait un chanson originale ou instrumentale à partir d'une consigne textuelle, avec les paroles si vous voulez qu'elles soient chantées. doseedo_render_midi joue vos notes exactes sur l'un des modèles instruments — un violon, un saxophone ténor, une guitare électrique, un piano — à votre tempo, dans votre tonalité, avec plusieurs prises au choix. doseedo_cover_song réinterprète une chanson que vous téléchargezLa structure reste intacte, même en changeant d'instruments, de genre ou de paroles. Un agent peut ainsi enchaîner les morceaux : analyser une référence, composer une partie adaptée, l'enregistrer et intégrer la meilleure prise à une piste d'enregistrement.

Les trois outils

• doseedo_generate_music — prompt (« trio de jazz chaleureux, batterie aux balais, ballade nocturne »), optionnel lyrics, duration_seconds, seed. bpm et time_signature sont Suggestions de légendeLes commandes ne sont pas prises en compte : la sortie peut s'en écarter. Une partie qui doit figurer sur la grille de la session est écrite sous forme de notes et rendue à la place.
• doseedo_render_midi — notes en temps à partir de la mesure 1 (ou un midi_url, ou une piste de session par session_id + track_id), une exigence instrument identifiant du catalogue à GET /api/instruments, une exigence bpm, jusqu'à quatre takes en un seul appel sans crédits supplémentaires, un timbre_preset ou un timbre_audio_url — un court enregistrement dont le rendu reprend le son — un dynamics cible, et voice_split Pour les accords (une voix par rendu, mappée dans le résultat). Les notes sont envoyées telles quelles ; rien n’est modifié.
• doseedo_cover_song — une chanson téléchargée plus un instruments échanger la carte ({"piano":"electric_guitar","sax":"violin"}), un genre, remplacement lyrics, un mix de référence dont le timbre doit s'approprier, un drum_split en éléments de kit isolés, et un cadran de fidélité pour déterminer l'écart par rapport à la source.

Les trois tâches sont asynchrones : une à trois minutes pour un rendu, en attente avec doseedo_wait_taskLes prises sont renvoyées classées par ordre de qualité, sous forme de liens pré-signés valides 24 heures, avec la séquence de départ permettant de recréer une prise quasi identique. Un rendu coûte dix crédits par tranche de 30 secondes, et l'outil de devis en confirme le fonctionnement. Exemple de réponse réelle, enregistrée le 15 octobre 2026, pour une partie de contrebasse de 21 secondes en trois prises :

{
  "job": "render_midi",
  "estimate": { "generation": 10 },
  "basis": "10 credits per 30 s window (21 s → 1 window) → 10 credits",
  "assumptions": [
    "takes (3) render in one GPU batch and cost nothing extra",
    "a chord part split into voices (voice_split) costs one batch per ~6 voices — pass voices to price it"
  ],
  "affordable": true
}

Les recettes du serveur mettent le reste de la famille sur un pied d'égalité : générer 10 crédits par fenêtre de 30 secondes (une chanson de quatre minutes coûte 90 crédits), un couverture Le rendu coûte 40 secondes et prend entre trois et huit minutes, car les morceaux longs sont rendus par tranches de 30 secondes. Le forfait gratuit inclut les premiers rendus.

La boucle qu'exécute un agent

> Analyse ./ref.wav for key and tempo. Write an eight-bar
  walking bass line that fits, check the harmony, render it
  on upright bass — three takes — and put the best one on a
  new track in my "Bridge Demo" session at bar 17.

> Generate a 60-second lo-fi hip-hop instrumental, 85 bpm
  feel, and add it to the session as a reference track.

> Cover ./demo.wav as bossa nova with the piano swapped
  for nylon guitar, and give me the stems.

> Render this melody as a horn section: split the chords
  into voices and render each one on its own instrument.

La première invite utilise cinq outils dans l'ordre — analyze_song, analyze_midi, render_midi, wait_task, add_audio_to_session — et c'est le composer-parti recette que le serveur lui-même publie via doseedo_recipesL'agent n'a donc pas à inventer la séquence. Le résultat est enregistré sur une piste de session ; avec Dø Desktop Sur un Mac avec ce projet Logic ouvert, l'arrangement se fait en quelques secondes.

Génération d'invites versus notes de rendu

C’est cette distinction qui évite les déceptions. La génération rapide est pour matériel: un lit, une référence, une esquisse de style, une chanson entière avec des paroles chantées. Elle ne contiendra ni tonalité ni tempo, car il s'agit d'une légende, pas d'une partition. Le rendu est pour partiesVous (ou l'agent) écrivez les notes, dans la tonalité et au tempo de la session, et un instrument modélisé les interprète — c'est pourquoi c'est l'outil idéal pour tout ce qui doit s'intégrer à un arrangement. Une reprise est le troisième cas : la chanson existe, seul l'interprète change. page MIDI vers audio est la version navigateur du rendu et le catalogue d'instruments liste les jeux disponibles.

La génération s'effectue sur le serveur, donc rien ne dépend de l'ouverture de votre DAW ; elle fonctionne depuis un téléphone, un terminal ou une tâche d'intégration continue. fait Le pont de bureau n'est nécessaire que pour la dernière étape, la prise apparaissant dans un projet Logic ouvert ; sans lui, la prise est dans la session et lors du prochain téléchargement.

En rapport

• MIDI vers audio, dans le navigateur
• Les instruments
• Analysez d'abord la référence : tonalité, tempo, accords.
• Stem separation au-dessus du MCP
• Mettez la prise en musique : séances de montage avec Claude