Audio Studio MCP Skill 技能

Audio Studio MCP 是一套跑在自己电脑上的本地音乐与音效工作室，让 Claude Code、Claude Desktop、Cursor 以及任何 MCP 客户端都能用一句自然语言生成背景音乐和音效。它底层调用 Stability AI 的 Stable Audio 3 模型，全部在本地推理——没有云服务、没有 API Key、生成不花钱。项目属于 KanaWorks_AI，MIT 许可证，GitHub 上获得 280+ Star。

核心能力：

• generate_audio：一句话生成 BGM、乐器循环/分轨或音效，单次调用可出 1~4 个候选，支持指定 bpm
• edit_audio：三种编辑模式——variation 整体改风格、inpaint 重生成某个时间区间、continue 延展音轨
• process_audio：裁剪 → 去静音 → 单声道 → 重采样/响度 → 无缝循环 → 淡入淡出 → 峰值归一化 → 导出 WAV/OGG/FLAC，且从不改动输入文件
• 音效结构化描述：用 sound_source / sound_action / sound_material / sound_space 四个字段描述「什么东西发出的、怎么演化、什么质感、在什么空间」
• 自动补全模型前缀：服务器会教客户端 Stable Audio 3 的官方提示词格式，并自动补上 TrackType: Music 这类训练前缀，避免音效被生成成音乐
• 结果可复现：每个输出文件都带一个 .json sidecar，记录提示词、随机种子和全部参数
• 响度标准化：支持目标 LUFS——流媒体/视频 -14、游戏 BGM -16、广播 -23
• 安全峰值上限：peak_ceiling_db 默认 -1 dB，只压高不抬低

安装配置：

• macOS（Apple Silicon）：git clone 后运行 ./install.sh，脚本会装好 uv、在 vendor/ 拉取指定 commit 的 Stable Audio 3 运行时、建 .venv/、从 Hugging Face 下载 medium 模型（约 5.9 GB）
• Windows（NVIDIA GPU）：安装脚本对应 Windows 版，模型加 PyTorch 约需 14 GB 磁盘，显存要求 8 GB 以上（在 RTX 3060 12GB 上测试通过）
• 注册 MCP：claude mcp add --scope user audio-studio -- /.venv/bin/audio-studio-mcp
• 可选小模型：--model all 额外下载 sm-music 与 sm-sfx（小而快，最长 120 秒）

使用步骤：

1. 按平台运行安装脚本，下载模型
2. 把生成的注册命令粘贴到 Claude Code，完成 MCP 接入
3. 用自然语言提需求，例如「做一段 lo-fi 风格的循环 BGM」
4. 从多个候选中挑一个，让它导出成 OGG 或 WAV
5. 用 process_audio 做无缝循环、淡入淡出与响度统一
6. 把文件丢进 Godot / Unity / 剪辑软件直接使用

适用场景：

• 独立游戏开发者的 BGM 与音效批量产出
• 视频剪辑师为片段生成匹配的过场音乐
• 产品演示片、播客片头的配乐
• 需要离线、可复现、零调用成本的音频生产

适用人群： 独立游戏开发者、短视频与播客制作人、需要给 App 或演示视频配音效的开发者、注重素材版权与本地隐私的创作者。

工作原理： 在 Apple Silicon 上通过 MLX 跑 Stable Audio 3 的 medium 模型（1.4B 参数），在 Windows/Linux 上调用官方 Stable Audio 3 的 PyTorch API；同一随机种子在 Mac 上输出与官方 sa3 CLI 逐比特一致。所有推理与文件处理都在本地完成，配置项通过 AUDIO_STUDIO_* 环境变量控制输出目录、空闲卸载时间、模型规格、MLX 缓存上限和后端选择。

官方链接：

• GitHub: https://github.com/kanaworksai-hue/audio-studio-mcp
• 试听样例：https://kanaworksai-hue.github.io/audio-studio-mcp/
• 许可证：MIT（模型权重遵循 Stability AI Community License）