Token导航 LogoToken导航

MCP Server · 音视频

Audio MCP

一款用于专业音频处理、分析和语音音乐同步的模型上下文协议(MCP)服务器,支持生成广播级音频内容。

stdio官方级别未说明来源级核验工具 15
音频处理Python语音音频

快速开始

作者 / 组织
bladina-dev
提供方
bladina-dev
运行时
Python

工具数量

15

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

0

仓库热度

收录来源

1 个

MCP World

选型结论

Audio MCP 属于音视频类 MCP Server,公开资料标注 15 个工具,通过stdio 本地进程接入,客户端适配情况以官方文档为准,有可以直接复制的安装命令;接入前先确认权限范围。

分类

音视频

传输方式

stdio

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

python3 -m venv venv

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 15 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

🎧 音频MCP服务器

A. 模型上下文协议(MCP)服务器 用于专业音频处理、分析和语音音乐同步——由Python(librosa、numpy、Whisper)和TypeScript MCP包装器提供支持。

为AI编码代理构建,以编程方式创建广播就绪的音频内容。

✨ 特性

🎵 核心音频工具(1-8)

工具说明
audio_generate_music按程序生成免版税的背景音乐(环境垫、低保真)
audio_mix_with_ducking将画外音+音乐与智能音量切换相结合
audio_transcribe通过OpenAI Whisper进行单词级时间戳转录
audio_time_stretch在保持音调的同时延长音频/视频的时间
audio_analyze分析音频元数据:持续时间、BPM、RMS、采样率
audio_normalize符合平台响度标准(Spotify、YouTube、TikTok等)
audio_format_convert通过比特率控制在WAV、MP3、AAC、OGG、FLAC之间进行转换
audio_eq带预设的参数均衡器(语音清晰度、温感、去感、播客)

🎼 语音音乐同步工具(9-15)

工具说明
audio_beat_grid使用HPSS+librosa提取精确的节拍时间戳
audio_speech_timestamps通过Whisper交叉注意力进行单词级语音计时
audio_prosody_analyze语言节奏分析(n-PVI,重音模式,阿拉伯语支持)
audio_dtw_align语音和音乐节拍之间的动态时间扭曲对齐
audio_formant_stretch蚁类保存时间延长(无花栗鼠效应)
audio_beat_drop_detect为社交媒体编辑寻找高能量的影响时刻
audio_artisan_mix通过智能闪避技术生成具有身体感知的音乐

🏗 建筑

audio-mcp/
├── src/
│   └── index.ts          # MCP server — tool definitions + Python runner
├── python/
│   ├── audio_analyze.py          # Audio metadata analysis
│   ├── audio_normalize.py        # LUFS loudness normalization
│   ├── audio_eq.py               # Parametric EQ engine
│   ├── audio_format_convert.py   # Format conversion (via pydub/ffmpeg)
│   ├── audio_beat_grid.py        # Beat tracking (HPSS + librosa)
│   ├── audio_speech_timestamps.py# Word-level timestamps (Whisper)
│   ├── audio_prosody_analyze.py  # Linguistic prosody (n-PVI)
│   ├── audio_dtw_align.py        # Dynamic Time Warping alignment
│   ├── audio_formant_stretch.py  # Formant-preserving stretch
│   ├── audio_beat_drop_detect.py # Energy drop detection
│   ├── artisan_sync_mixer.py     # Prosody-aware music mixer
│   ├── generate_music.py         # Lo-fi music generator
│   ├── generate_ideal.py         # Ambient pad music generator
│   ├── generate_captions.py      # Whisper captioning
│   ├── rhythmic_audio_mixer.py   # Voice+music ducking mixer
│   ├── time_stretch_video.py     # Video time-stretch
│   └── requirements.txt          # Python dependencies
├── package.json
└── tsconfig.json

🚀 设置

先决条件

  • Node.js ≥ 18
  • python ≥ 3.10
  • FFmpeg (用于格式转换)

安装

# Clone the repo
git clone https://github.com/YOUR_USERNAME/audio-mcp.git
cd audio-mcp

# Install Node dependencies
npm install

# Set up Python venv
cd python
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
cd ..

# Build TypeScript
npm run build

配置MCP客户端

添加到您的MCP配置中(例如,双子座/反重力/克劳德):

{
  "mcpServers": {
    "audio-mcp": {
      "command": "node",
      "args": ["/path/to/audio-mcp/dist/index.js"]
    }
  }
}

📖 用法

连接后,您的AI代理可以使用15个工具中的任何一个。工作流程示例:

1. audio_analyze        → Get BPM, duration of speech clip
2. audio_speech_timestamps → Extract word-level timing
3. audio_prosody_analyze   → Analyze speech rhythm (n-PVI)
4. audio_generate_music    → Create matching background music
5. audio_beat_grid         → Extract beat grid from music
6. audio_dtw_align         → Align speech to music beats
7. audio_formant_stretch   → Stretch speech to fit alignment
8. audio_mix_with_ducking  → Final mix with ducking
9. audio_normalize         → Normalize for target platform
10. audio_format_convert   → Export as MP3

🎯 平台响度标准

平台目标LUFS
Spotify-14
YouTube-14
尝试-14
Instagram-14
播客-16
广播(EBU R128)-23

📄 许可证

麻省理工学院

工具与能力

工具数量

15

资源数量

0

提示词数量

0

能力标签

音频处理Python本地部署语音分析音乐同步音频生成语音音乐同步

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

语音转文字

把会议录音转成文字,再整理要点。

文字转语音

把文案转成配音,调整语速和音色。

视频素材处理

提取字幕、剪出片段、生成封面。

选择建议

值得选的地方

  • 工具数量 15 个,一次接入能覆盖的操作比单点工具更全。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 公开摘要偏短,具体能力和限制要回到仓库确认。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在音视频场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Audio MCP

MCP World · 本页

15stdio有1 个2026-05-17
Youtube E0eb3510

MCP World

0stdio有1 个2026-05-17
Ableton MCP B7b69a6a

MCP World

16stdio有2 个2026-05-17
Voicemode MCP

MCP World

0stdio有3 个2026-05-17
Short Video Maker MCP

MCP World

0stdio有3 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Audio MCP 怎么安装?

公开资料给出的安装命令是 python3 -m venv venv,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Audio MCP 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

Audio MCP 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Audio MCP 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Audio MCP 支持哪些客户端?

公开资料没有标注具体客户端;能配置本地 MCP 命令的客户端都能接,配置方式参照官方文档。

来源信息

继续浏览同类 MCP