Generazione musicale da un agente IA, tramite MCP

Pubblicato nell'ottobre 2026

Sul server Doseedo MCP sono presenti tre strumenti di generazione, ognuno dei quali è adatto a un compito specifico. doseedo_generate_music fa un Canzone originale o strumentale basata su un testo., con i testi se volete che vengano cantati. doseedo_render_midi giochi le tue note esatte su uno dei modelli strumenti — un violino, un sassofono tenore, una chitarra elettrica, un pianoforte — al tuo tempo, nella tua tonalità, con diverse registrazioni tra cui scegliere. doseedo_cover_song rielabora il brano che hai caricato, mantenendo la sua struttura pur cambiando strumenti, genere o testo. Un agente può concatenarli: analizzare un riferimento, scrivere una parte adatta, renderizzarla e inserire la versione migliore in una traccia di sessione.

I tre strumenti

• doseedo_generate_music — prompt ((trio jazz caldo, batteria con spazzole, ballata notturna)), facoltativo lyrics, duration_seconds, seed. bpm E time_signature Sono suggerimenti per la didascalia, non controlli: l'output può discostarsi da essi. Una parte che deve trovarsi sulla griglia di una sessione viene scritta come note e renderizzata invece.
• doseedo_render_midi — notes in battiti dalla battuta 1 (o un midi_url, o una traccia di sessione di session_id + track_id), un requisito instrument id dal catalogo a GET /api/instruments, un requisito bpmfino a quattro takes in una chiamata senza crediti extra, un timbre_preset o un timbre_audio_url — una breve registrazione il cui suono assume il rendering — un dynamics obiettivo e voice_split per gli accordi (una voce per rendering, mappata nel risultato). Le note vengono inviate così come sono scritte; nulla viene allineato.
• doseedo_cover_song — una canzone caricata più un instruments mappa di scambio ({"piano":"electric_guitar","sax":"violin"}), UN genre, sostituzione lyrics, un mix di riferimento il cui timbro da assumere, un drum_split in singoli componenti del kit e un selettore di fedeltà per indicare quanto discostarsi dalla sorgente.

Tutti e tre sono lavori asincroni: da uno a tre minuti per un rendering, in attesa con doseedo_wait_taskLe riprese vengono restituite classificate dalla migliore alla peggiore, come link pre-firmati validi per 24 ore, con il seed per un re-rendering simile alla ripresa. Un rendering costa dieci crediti per finestra di 30 secondi e lo strumento di preventivo ne mostra il funzionamento. Risposta reale, registrata il 15/10/2026, per una parte di contrabbasso di 21 secondi con tre riprese:

{
  "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
}

Le ricette del cameriere mettono il resto della famiglia sullo stesso piano: generare sono 10 crediti per finestra di 30 secondi (una canzone di quattro minuti è 90), un copertina Il tempo di rendering è di 40 secondi e varia dai tre agli otto minuti, poiché i brani lunghi vengono renderizzati in finestre di 30 secondi. Il piano gratuito dell'account copre i primi rendering.

Il ciclo eseguito da un agente

> 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.

Il primo suggerimento utilizza cinque strumenti in ordine — analyze_song, analyze_midi, render_midi, wait_task, add_audio_to_session — ed è il comporre-parte ricetta che il server stesso pubblica tramite doseedo_recipes, quindi l'agente non deve inventare la sequenza. Il risultato finisce su una traccia di sessione; con Dø Desktop Eseguendo il progetto Logic su un Mac, viene inserito nella disposizione in pochi secondi.

Note sulla generazione dei prompt rispetto a quelle sulla visualizzazione.

Questa è la distinzione che evita delusioni. La generazione rapida è per materiale: un letto, un riferimento, uno schizzo di uno stile, un'intera canzone con testo cantato. Non manterrà una tonalità o un tempo che indichi, perché il prompt è una didascalia, non uno spartito. Il rendering è per parti: tu (o l'agente) scrivi le note, nella tonalità e al tempo effettivo della sessione, e uno strumento modellato le esegue — ecco perché è lo strumento per qualsiasi cosa debba stare in un arrangiamento. Una cover è il terzo caso: la canzone esiste, e ciò che cambia è chi la suona. Pagina MIDI ad audio è la versione del browser del rendering e il catalogo degli strumenti elenca cosa può essere riprodotto.

La generazione viene eseguita sul server, quindi nulla dipende dal fatto che la tua DAW sia aperta: funziona da un telefono, un terminale, un job CI. Cosa fa Il bridge desktop è necessario solo come ultimo passaggio, la ripresa apparirà in un progetto Logic aperto; senza di esso, la ripresa rimarrà nella sessione e nel successivo download.

Imparentato

• MIDI in audio, direttamente nel browser.
• Gli strumenti
• Analizza prima il riferimento: tonalità, tempo, accordi
• Stem separation sopra MCP
• Mettiamo l'idea su una traccia: sessioni di editing con Claude