audio-studio-mcp - 让 MCP 客户端在本机生成并处理音频的本地声音工作室

audio-studio-mcp 是一个面向 MCP（Model Context Protocol）客户端的本地音频生成与处理服务器，由 kanaworksai-hue 维护，采用 MIT 许可证。按项目自述，它给 Claude Code、Claude Desktop、Cursor 以及其他 MCP 客户端配上一间跑在用户自己 Mac 或 Windows 电脑上的「声音工作室」：用自然语言提出背景音乐或音效需求，模型在本地用 Stable Audio 3 生成，随后可以做成无缝循环、做响度归一，并导出给游戏引擎或视频剪辑软件使用。项目强调不经过云服务、不需要 API key，生成过程不产生费用。它适合需要在本地批量产出 BGM、乐器循环与音效的游戏开发者、视频创作者，以及希望把音频生成能力接进 AI 客户端的用户。

维护者与状态

仓库由 kanaworksai-hue 维护，创建于 2026-10-18，最后提交时间为 2026-10-24。最新正式版本为 v1.0.0，发布于 2026-10-24。截至 2026-11-03，仓库星标数为 571。项目另有一个官网页面，用于展示说明与示例。

主要能力

以下能力均据项目 README 自述整理：

• 文本生成音频：用一句话生成 BGM、乐器循环或音效，单次调用可返回 1 至 4 个候选结果。
• 编辑已有音频：支持整段重新风格化（variation）、重新生成指定时间区间（inpaint）、以及延长轨道（continue）。
• 后期处理：可做无缝循环、淡入淡出、响度（LUFS）归一，并导出 48 kHz 的 WAV / OGG / FLAC；README 称处理过程不会修改输入文件。
• 本地运行：在 Apple Silicon 上走 MLX，在 NVIDIA GPU 上走 PyTorch，音频不上传。
• 可复现：每个生成文件旁会写一个 .json 附属文件，记录提示词、随机种子与参数。
• 内置提示词适配：服务器会教客户端使用 Stable Audio 3 的官方提示词格式，把「像一扇吱呀作响的门」这类描述转成模型能理解的提示词。
• 与上游一致：README 称在 Mac 上相同种子下结果与官方 sa3 命令行逐位一致；Windows 上则调用官方 Stable Audio 3 的 PyTorch API。

README 列出的工具包括 generate_audio（生成）、edit_audio（编辑）、process_audio（裁剪、静音裁剪、单声道、重采样与响度、无缝循环、淡入淡出、峰值归一或限幅、格式导出）以及 unload_models（立即释放模型内存）。参数方面，audio_type 区分 music / instrument / sfx / raw，服务器会自动补上模型训练时使用的前缀；音效可用 sound_source、sound_action、sound_material、sound_space 四个结构化字段描述。生成文件默认是 44.1 kHz 24 位立体声 WAV，写入 outputs/ 目录。

使用入口

仓库地址：audio-studio-mcp；项目官网：官网页面。

据 README，macOS（Apple Silicon）上的安装流程是克隆仓库后运行 ./install.sh，脚本会准备 uv、把官方 Stable Audio 3 运行时克隆到 vendor/、创建 .venv/，并从 Hugging Face 下载 medium 模型（1.4B，约 5.9 GB），最后打印注册服务器的命令：

claude mcp add --scope user audio-studio -- /path/to/audio-studio-mcp/.venv/bin/audio-studio-mcp

Windows（NVIDIA GPU）上运行 install.ps1，会安装带 CUDA 的 PyTorch 并下载 medium 模型的官方 PyTorch 检查点（约 10.4 GB），注册命令指向 .venv\Scripts\audio-studio-mcp.exe。其他客户端可在 claude_desktop_config.json、.cursor/mcp.json 或对应 MCP 配置中加入 mcpServers 条目，command 填服务器可执行文件路径。

README 还提到一个本地 Web UI：以 .venv/bin/audio-studio-mcp --web 8765 启动后，可在网页里生成、对比候选、编辑、导出并浏览历史作品。

许可与限制

项目采用 MIT 许可证。使用前需要留意的条件（据 README）：

• macOS 需要 Apple Silicon（M1 或更新），建议 16 GB 内存，模型约占 6 GB 磁盘，并需安装 git 与 ffmpeg。
• Windows 需要 64 位 Windows 10 或 11、NVIDIA GPU（8 GB 显存以上）与较新驱动，README 称在 RTX 3060 12 GB 上测试过；模型与 PyTorch 约占 14 GB 磁盘，并需要一个免费的 Hugging Face 账号，因为 PyTorch 权重是受限的，需在模型页面接受许可。
• Windows 安装脚本在无控制台环境（例如由 AI 代理启动）下不会交互索要 token，而是打印登录步骤后停止，需用户自行登录后重跑。
• Flash Attention 不是必需项，缺失时回退到 PyTorch 内置注意力实现。
• 安装器可选 --model all 额外下载 small 系列模型，或用 --skip-weights 推迟到首次生成时下载。

以上硬件与流程信息均来自项目自述，实际表现需以仓库文档与本地环境为准。