Generowanie muzyki przez agenta AI za pośrednictwem MCP

Opublikowano w październiku 2026 r.

Narzędzia trzech generacji znajdują się na serwerze Doseedo MCP i stanowią różne instrumenty do różnych zadań. doseedo_generate_music tworzy oryginalna piosenka lub utwór instrumentalny z podpowiedzi tekstowej, ze słowami, jeśli chcesz je zaśpiewać. doseedo_render_midi gra Twoje dokładne notatki na jednym z modelowanych instrumenty — skrzypce, saksofon tenorowy, gitara elektryczna, pianino — w Twoim tempie, w Twojej tonacji, z możliwością wyboru spośród kilku ujęć. doseedo_cover_song ponownie renderuje przesłaną przez Ciebie piosenkę, zachowując strukturę utworu podczas zamiany instrumentów, zmiany gatunku lub tekstu. Agent może je połączyć: przeanalizować odniesienie, napisać pasującą partię, wyrenderować ją i wrzucić najlepsze ujęcie na ścieżkę sesyjną.

Trzy narzędzia

• doseedo_generate_music — prompt (ciepłe trio jazzowe, szczotkowane bębny, ballada późnej nocy), opcjonalnie lyrics, duration_seconds, seed. bpm I time_signature Czy wskazówki dotyczące podpisów, a nie kontrolek: dane wyjściowe mogą się od nich odsuwać. Część, która musi znajdować się na siatce sesji, jest zapisywana jako notatki i renderowana.
• doseedo_render_midi — notes w taktach od taktu 1 (lub midi_urllub utwór sesyjny session_id + track_id), wymagane instrument identyfikator z katalogu w GET /api/instruments, wymagane bpmdo czterech takes w jednej rozmowie bez dodatkowych punktów, timbre_preset albo timbre_audio_url — krótkie nagranie, którego dźwięk przejmuje render — dynamics cel i voice_split dla akordów (jeden głos na render, odwzorowany w wyniku). Nuty są wysyłane w takiej formie, w jakiej zostały zapisane; nic nie jest przypinane.
• doseedo_cover_song — przesłana piosenka plus instruments zamień mapę ({"piano":"electric_guitar","sax":"violin"}), A genre, wymiana lyrics, miks referencyjny, którego barwę przyjąć, drum_split na pojedyncze elementy zestawu i pokrętło wierności określające, jak bardzo należy odbiegać od źródła.

Wszystkie trzy są zadaniami asynchronicznymi: renderowanie trwa od jednej do trzech minut, a następnie oczekiwanie na wykonanie doseedo_wait_task; Ujęcia wracają jako najlepsze, jako wstępnie podpisane linki ważne przez 24 godziny, z materiałem do ponownego renderowania zbliżonym do tego samego ujęcia. Renderowanie kosztuje dziesięć kredytów za 30-sekundowe okno, a narzędzie do wyceny pokazuje jego działanie. Prawdziwa odpowiedź, zarejestrowana 15.10.2026 r., dotyczy 21-sekundowej partii kontrabasu z trzema ujęciami:

{
  "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
}

Przepisy kelnera stawiają resztę rodziny na równi: spowodować to 10 punktów na każde 30-sekundowe okno (czterominutowa piosenka to 90 punktów), okładka Czas trwania wynosi 40 minut i trwa od trzech do ośmiu minut, ponieważ długie utwory renderują się w 30-sekundowych okienkach. Bezpłatny poziom konta obejmuje pierwsze renderowania.

Pętla uruchamiana przez agenta

> 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.

W pierwszym poleceniu wykorzystano pięć narzędzi w kolejności: analyze_song, analyze_midi, render_midi, wait_task, add_audio_to_session — i to jest część kompozycji przepis, który sam serwer publikuje doseedo_recipes, więc agent nie musi wymyślać sekwencji. Wynik trafia na ścieżkę sesji; z Dø Desktop Jeśli uruchomisz go na komputerze Mac z otwartym projektem Logic, będzie on gotowy w ciągu kilku sekund.

Generowanie monitów a renderowanie notatek

To właśnie to rozróżnienie pozwala uniknąć rozczarowania. Szybkie generowanie jest dla tworzywo: podstawa, odniesienie, szkic stylu, cała piosenka ze śpiewanym tekstem. Nie będzie zawierał wybranej przez Ciebie tonacji ani tempa, ponieważ podpowiedź jest podpisem, a nie partyturą. Renderowanie jest dla strony:Ty (lub agent) piszesz nuty w tonacji i tempie, jakie faktycznie ma sesja, a modelowany instrument je wykonuje — dlatego jest to narzędzie do wszystkiego, co musi znaleźć się w aranżacji. Cover to trzeci przypadek: utwór istnieje, a zmienia się to, kto go gra. Strona MIDI-audio jest wersją przeglądarki renderowania i katalog instrumentów wymienia co można odtworzyć.

Generacja działa na serwerze, więc nic nie zależy od tego, czy Twój DAW jest otwarty — działa z telefonu, terminala, zadania CI. Co robi Potrzeba mostka pulpitu to tylko ostatni krok, gdyż ujęcie pojawia się w otwartym projekcie Logic ; bez niego ujęcie znajduje się w sesji i w następnym pobraniu.

Powiązany

• MIDI do audio w przeglądarce
• Instrumenty
• Najpierw przeanalizuj odniesienie: tonację, tempo, akordy
• Stem separation nad MCP
• Wrzuć utwór na tapetę: sesje montażowe z Claude’em