Áudio para MIDI a partir de um agente de IA, via MCP.

Publicado em outubro de 2026

Transcrição de Doseedo e sua análise musical são ferramentas no servidor MCP. Conecte-o e um agente transcreverá uma gravação para notas — tom, início, fim, velocidade, confiança — com modelos por instrumento por trás de uma superfície, e responde às perguntas relacionadas a eles: o quê chave É isto em que…? tempo e medidor, onde estão os batidas fortes, quais são os acordesE a parte que acabei de escrever soa harmonicamente bem. As ferramentas de análise são síncronas e gratuitas, o que as torna a grade que um agente usa como referência para compor uma parte ou inserir notas em uma sessão.

As ferramentas

• doseedo_transcribe — áudio de entrada (um upload ou qualquer URL https, incluindo a trilha sonora separada), notas de saída em JSON. Dicas aprimoram a experiência: instrument ("piano", "sax", "vocals", "bass"), register, family quando o instrumento é desconhecido, polyphony — solo, poly, ou section com um roster de cadeiras para uma seção de metais ("trumpet,trumpet,trombone,tenor_sax"). Com tempo_bpm Os tempos das notas também são retornados em batidas. want:"f0" Retorna o contorno contínuo da altura do som em vez de notas, para glissandos, vibrato e entonação.
• doseedo_analyze_song — tonalidade, BPM e um mapa de andamento por batida, métrica, tempos fortes, seções e acordes de uma gravação, em uma única chamada síncrona.
• doseedo_detect_chords — um diagrama de acordes com durações em segundos e tempos.
• doseedo_beat_grid — tempos de batida e tempo forte, batidas por compasso, mapa de batidas.
• doseedo_analyze_midi — a harmonia das notas que você escreveu, antes de reproduzi-las ou colocá-las.

A transcrição é uma tarefa assíncrona — a configuração do servidor indica de 15 a 60 segundos, até dois créditos e, frequentemente, nenhum — aguardada com doseedo_wait_taskAs quatro ferramentas de análise respondem na mesma chamada e são gratuitas.

Resultado real, em um caule real

Para tornar isso concreto em vez de apenas descrito, aqui está: doseedo_analyze_song Trecho de uma jam session pública ao piano, gravada em 15/10/2026 e editada para o formato correto (a versão completa continha 421 acordes e 25 pontos 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/ com a sua chave."}

Três coisas para ler. O Os números de confiança são reais. — 0,77 na tonalidade, de 0,6 a 0,87 por acorde — e um agente deve tratar um acorde de 0,6 como um rascunho. O derivações do mapa de tempo (86 a 102 bpm ao longo da gravação) porque um piano solo tocando rubato não tem uma grade fixa, e é exatamente por isso que uma partitura escrita para esta gravação deve usar o mapa, e não a partitura individual. bpmE a peça tem uma longa introdução silenciosa: fade_in_sec: 21 É por isso que o primeiro acorde começa aos 21 segundos.

Executado no mesmo caule, doseedo_detect_chords — a partitura com batida — ouviu a abertura como Ebm7 A 166,7 bpm (tempo duplo, a mesma harmonia escrita a partir de seu relativo menor) com uma grade diferente. Essa discrepância é uma informação honesta, não um bug: uma gravação densa ou rubato é o caso mais difícil para ambas as ferramentas, e a própria nota da receita diz para detectar acordes em uma haste harmônica separada de uma mixagem, ou em uma gravação limpa, para um gráfico confiável. A primeira chamada ao serviço de análise nesta captura também expirou após 45 segundos de inatividade do serviço; o erro instruiu o agente a aguardar 30 segundos e tentar novamente uma vez, e a nova tentativa foi respondida em poucos segundos.

O que perguntar

> 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.

O terceiro ponto explica a importância disso no MCP: as anotações não ficam restritas a um arquivo. O agente as grava em um registro de sessão com set_midi_notes (notas exatas, tocadas pelo instrumento da DAW), ou as renderiza como áudio com doseedo_render_midi em um instrumento modelado ou os entrega a uma construção de sessão. O MIDI permanece como foi fornecido — o servidor nunca altera ou corrige notas sem o conhecimento do agente.

Notas, não um arquivo .mid — e porquê

doseedo_transcribe Retorna as notas como JSON estruturado em vez de um arquivo MIDI padrão, porque é isso que um agente processa: ele pode filtrar por nível de confiança e quantizar de acordo com a grade. doseedo_beat_grid retornou, dividiu um acorde em vozes ou verificou o resultado em relação a doseedo_analyze_midi Antes de qualquer alteração ser confirmada. Quando o objetivo é um arquivo, as ferramentas do projeto criam um: doseedo_separate_stems com include_midi e doseedo_audio_to_session Insira MIDI por stem em um projeto nativo Logic ou Ableton, e o ferramenta web baixa um .mid diretamente. Áudio para partitura é a notação que encerra o mesmo pipeline.

A análise é gratuita e síncrona; a transcrição tem um custo baixo (a receita indica até dois créditos, nenhum quando o modelo utilizado é o de CPU); doseedo_quote Consulte os preços de qualquer um deles primeiro. As chamadas podem ser revogadas por cliente a partir de Configurações → Chaves de API.

Relacionado

• Conversão de áudio para MIDI no navegador.
• Áudio para partitura
• Stem separation sobre MCP
• Reproduza as notas em um instrumento modelado.
• Todas as 33 ferramentas, o que cada uma faz.