AIエージェントからの音声をMCP経由でMIDIに変換する

2026年10月発行

Doseedoの書き起こし そしてその音楽分析はMCPサーバー上のツールです。それを接続すると、エージェントが録音を文字起こしします。 メモ — ピッチ、オンセット、オフセット、ベロシティ、コンフィデンス — 楽器ごとのモデルを1つのサーフェスの背後に持ち、それらに関する質問に答えます。 鍵 これは何ですか、 テンポ そしてメーターはどこにあるのか ダウンビート、 コードそして、これは私が今書いた部分で、調和的に正しいです。分析ツールは同期型で無料なので、エージェントがパートをレンダリングしたり、セッションにノートを配置したりする前に、それに基づいて作曲するグリッドとして機能します。

ツール

• doseedo_transcribe — 音声入力（アップロードまたは任意のHTTPS URL、分離されたステムを含む）、メモ出力はJSON形式。ヒントでさらに鮮明に： instrument ("piano", "sax", "vocals", "bass"), register, family 機器が不明な場合、 polyphony — solo, poly、または section と共に roster ホーンセクション用の椅子（"trumpet,trumpet,trombone,tenor_sax"）。 と tempo_bpm 音符のタイミングも拍数で返されます。 want:"f0" 音符ではなく、連続的なピッチ輪郭を返します。これは、グライド、ビブラート、イントネーションに使用されます。
• doseedo_analyze_song 録音のキー、BPM、拍ごとのテンポマップ、拍子、ダウンビート、セクション、コードを、1回の同期通話で提供します。
• doseedo_detect_chords — 秒数と拍数で区切られたコード表。
• doseedo_beat_grid — 拍子とダウンビートのタイミング、1小節あたりの拍数、ビートマップ。
• doseedo_analyze_midi ―あなたが書いた音符の調和、つまり、演奏したり配置したりする前に考えるべきこと。

文字起こしは非同期ジョブです。サーバーのレシピでは15秒から60秒、最大2クレジット、多くの場合クレジットなしとされています。 doseedo_wait_taskこれら4つの分析ツールは同じ通話で応答し、クレジットは不要です。

実際の出力、実際のステム

これを言葉で説明するよりも具体的にするために、以下をご覧ください。 doseedo_analyze_song 2026年10月15日に録音された、公開ジャムセッションのソロピアノパートを基に、形を整えて編集したものです（完全な応答には421のコードと25のテンポマップポイントが含まれていました）。

{
  "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/ あなたの鍵で。

そこから読み取れる3つのこと。 信頼度数値は実在する —キー上で0.77、コードごとに0.6～0.87—エージェントは0.6のコードをドラフトとして扱うべきである。 テンポマップのドリフト （テイク全体で86～102 bpm）ソロピアノのルバートには固定グリッドがないため、この録音に合わせて書かれたパートは、単一の音源ではなくマップを使用する必要があるのです。 bpmそして、この曲には長い無音のイントロがある。 fade_in_sec: 21 そのため、最初のコードは21秒から始まるのです。

同じ茎で走る、 doseedo_detect_chords — ビートトラックチャート — オープニングを聴くと Ebm7 166.7 bpm (倍速、同じハーモニーを相対短調から綴ったもの) で、異なるグリッドを使用。この不一致はバグではなく、正直な情報です。密度の高い録音やルバート録音は、どちらのツールにとっても難しいケースであり、レシピのメモには、信頼できるチャートを得るために、ミックスの分離されたハーモニック ステムまたはクリーン テイクでコードを検出するように書かれています。このキャプチャでの分析サービスへの最初の呼び出しも、サービスがアイドル状態になってから 45 秒後にタイムアウトしました。エラーはエージェントに 30 秒待って 1 回再試行するように指示し、再試行は数秒で応答しました。

何を尋ねるべきか

> 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.

3 番目のプロンプトは、MCP にこれがある理由です。メモはファイルで止まりません。エージェントはそれらをセッション トラックに書き込みます。 set_midi_notes （DAWの楽器で演奏された正確な音符）またはオーディオとしてレンダリングします。 doseedo_render_midi モデル化された楽器上で演奏したり、セッション構築に渡したりします。MIDI MIDIそのまま保持され、サーバーがエージェントの知らないところでノートをスナップしたり修正したりすることはありません。

メモであって.midファイルではない ― そしてその理由

doseedo_transcribe 標準MIDIファイルではなく構造化されたJSONとしてノートを返します。これは、エージェントが推論する対象がJSONであるためです。信頼度でフィルタリングしたり、グリッドに合わせて量子化したりできます。 doseedo_beat_grid 返されたコード、コードをボイスに分割、または結果をチェックする doseedo_analyze_midi 何かがコミットされる前に。ファイルが目標である場合、プロジェクトツールはファイルを作成します。 doseedo_separate_stems と include_midi そして doseedo_audio_to_session ステムごとのMIDIをネイティブのLogicまたはAbletonプロジェクトに挿入し、 ウェブツール ダウンロード .mid 直接。 音声から楽譜へ これは、同じパイプラインの表記上の終端です。

分析は無料で同期的に行われます。文字起こしは軽度に課金されます（レシピには最大2クレジット、CPUモデルで処理する場合は無料と記載されています）。 doseedo_quote それらの価格を最初に確認してください。通話はクライアントごとに取り消し可能です。 設定 → APIキー.

関連している

• ブラウザ上でオーディオをMIDIに変換
• 音声から楽譜へ
• MCP上のStem separation
• モデル化された楽器で音符をレンダリングする
• 全33種類のツール、それぞれの機能