Geração de música a partir de um agente de IA, via MCP.

Publicado em outubro de 2026

Três gerações de ferramentas estão instaladas no servidor Doseedo MCP, e cada uma delas é um instrumento diferente para uma tarefa diferente. doseedo_generate_music faz um Música original ou instrumental a partir de uma sugestão de texto, com letra, se quiser que seja cantada. doseedo_render_midi peças suas anotações exatas em um dos modelados instrumentos — um violino, um saxofone tenor, uma guitarra elétrica, um piano — no seu ritmo, na sua tonalidade, com várias gravações para escolher. doseedo_cover_song Reproduz novamente uma música que você enviou., mantendo sua estrutura ao trocar instrumentos, mudar o gênero ou substituir a letra. Um agente pode encadeá-los: analisar uma referência, escrever uma parte que se encaixe, renderizá-la e inserir a melhor versão em uma faixa de gravação.

As três ferramentas

• doseedo_generate_music — prompt ("trio de jazz envolvente, bateria com escovas, balada noturna"), opcional lyrics, duration_seconds, seed. bpm e time_signature são dicas de legenda, não controles: a saída pode se desviar deles. Uma parte que deve estar na grade de uma sessão é escrita como notas e renderizada em vez disso.
• doseedo_render_midi — notes em tempos a partir do compasso 1 (ou um midi_urlou uma faixa de sessão por session_id + track_id), um requisito instrument ID do catálogo em GET /api/instruments, um requisito bpm, até quatro takes em uma única chamada sem créditos adicionais, um timbre_preset ou um timbre_audio_url — uma pequena gravação cujo som a renderização assume — uma dynamics alvo, e voice_split Para acordes (uma voz por renderização, mapeada no resultado). As notas são enviadas como escritas; nada é alterado.
• doseedo_cover_song — uma música enviada mais um instruments mapa de troca ({"piano":"electric_guitar","sax":"violin"}), um genre, substituição lyrics, uma mistura de referência cujo timbre deve ser adotado, um drum_split em peças isoladas do kit e um botão de fidelidade para determinar o quanto se afastar da fonte.

Todas as três são tarefas assíncronas: um a três minutos para renderização, aguardando com doseedo_wait_taskAs gravações são exibidas em ordem decrescente de qualidade, com links pré-assinados válidos por 24 horas, permitindo renderizar novamente a partir de uma versão próxima. Cada renderização custa dez créditos por janela de 30 segundos, e a ferramenta de orçamento mostra seu funcionamento. Exemplo: Gravação real, capturada em 15/10/2026, para uma parte de contrabaixo de 21 segundos com três takes:

{
  "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
}

As receitas do garçom colocam o resto da família no mesmo patamar: gerar são 10 créditos por janela de 30 segundos (uma música de quatro minutos custa 90 créditos), um cobrir O tempo de renderização é de 40 segundos e varia de três a oito minutos, pois músicas longas são renderizadas em janelas de 30 segundos. O plano gratuito da conta cobre as primeiras renderizações.

O loop que um agente executa.

> 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.

O primeiro prompt utiliza cinco ferramentas em ordem — analyze_song, analyze_midi, render_midi, wait_task, add_audio_to_session — e é o compor-parte receita que o próprio servidor publica através de doseedo_recipes, portanto o agente não precisa inventar a sequência. O resultado é inserido em uma trilha de sessão; com Dø Desktop Executando em um Mac com esse projeto Logic aberto, ele está no arranjo em segundos.

Geração de prompts versus notas de renderização

Essa é a distinção que evita decepções. A geração imediata serve para material: uma cama, uma referência, um esboço de um estilo, uma música inteira com letra cantada. Não terá uma tonalidade ou um andamento que você especificar, porque o pedido é uma legenda, não uma partitura. A renderização é para peçasVocê (ou o agente) escreve as notas, na tonalidade e no andamento da sessão, e um instrumento virtual as executa — por isso é a ferramenta ideal para tudo que precisa estar em um arranjo. Um cover é o terceiro caso: a música existe, e o que muda é quem a está tocando. Página de conversão MIDI para áudio é a versão do navegador para renderização e o catálogo de instrumentos Lista o que pode ser reproduzido.

A geração é executada no servidor, portanto, nada depende de sua DAW estar aberta — funciona em um telefone, terminal ou tarefa de CI. faz A necessidade do Desktop Bridge é apenas a última etapa, a captura aparecendo em um projeto aberto Logic ; sem ele, a captura fica na sessão e no próximo download.

Relacionado

• MIDI para áudio, no navegador
• Os instrumentos
• Analise primeiro a referência: tonalidade, andamento, acordes.
• Stem separation sobre MCP
• Dê o toque final à sua música: sessões de edição com Claude