Was ist Audio Studio MCP?
Mit Audio Studio MCP können Claude Code, Claude Desktop, Cursor oder jeder andere MCP-Client in normaler Sprache ein Stück Hintergrundmusik, einen Instrumental-Loop oder einen Soundeffekt anfordern und fertige Dateien zurückbekommen. Die Erzeugung läuft lokal auf Stable Audio 3 von Stability AI, über MLX auf Apple Silicon oder PyTorch auf einer NVIDIA-GPU unter Windows. Es gibt also keinen API-Schlüssel und keine Kosten pro Clip.
Es stellt vier Tools bereit: generate_audio (ein bis vier Kandidaten pro Aufruf), edit_audio (einen Clip neu stylen, einen Zeitbereich neu erzeugen oder einen Track verlängern), process_audio (schneiden, neu abtasten, Lautheit normalisieren, einen lückenlosen Loop bauen, ein- und ausblenden und als WAV, OGG oder FLAC exportieren) und unload_models. Eine lokale Web-UI am selben Port bietet dieselben Funktionen mit einer Bibliothek der erzeugten Dateien, und jede Datei bekommt einen JSON-Eintrag mit Prompt und Seed.
Es ist ein Ein-Personen-Projekt von KanaWorks_AI unter der MIT-Lizenz, angelegt am 18. Oktober 2026; v1.0.0 erschien am 24. Oktober 2026. Die Modellgewichte stehen unter der Stability AI Community License, nicht unter MIT.
Audio Studio MCP installieren
git clone https://github.com/kanaworksai-hue/audio-studio-mcp && ./install.shLohnt sich Audio Studio MCP?
Audio Studio MCP ist mehr als eine dünne Hülle um Stable Audio 3, und zwar wegen dem, was nach der Erzeugung passiert. process_audio erledigt die mühsame Arbeit, für die man sonst einen Audio-Editor öffnet: lückenlose Loops mit Überblendung, Lautheit normalisiert auf ein LUFS-Ziel (das README schlägt -16 für Spielmusik und -14 für Streaming vor), Resampling auf 48 kHz, Blenden und Export als OGG für eine Game-Engine. Die Demo zeigt, wie Claude eine Loop-Länge von genau 11 Takten wählt, damit der Beat beim Wiederholen im Takt bleibt. Solche Details überlässt ein reines Prompt-Tool dir.
Die Hardware-Hürde ist real. Auf dem Mac braucht es Apple Silicon, empfohlen sind 16 GB RAM, und das Medium-Modell belegt etwa 5,9 GB auf der Platte und geladen 5 bis 7 GB Speicher. Unter Windows braucht es eine NVIDIA-GPU mit 8 GB VRAM oder mehr und etwa 14 GB Plattenplatz, und die PyTorch-Gewichte gibt es erst nach Hugging-Face-Login und Zustimmung zur Lizenz. Linux sollte mit demselben Backend funktionieren, hat aber keinen Installer und ist ungetestet; Intel-Macs und AMD-GPUs werden nicht unterstützt.
Das Tempo ist auf beiden ordentlich. Laut README dauern 20 Sekunden Musik auf einem M1 mit 16 GB etwa 10 Sekunden und auf einer RTX 3060 12 GB etwa 1,3 Sekunden, wo der maximal 380 Sekunden lange Track warm etwa 15 Sekunden braucht. Das kleine Modell sm-music liefert 15 Sekunden Musik in etwa einer Sekunde. Stable Audio 3 kann nicht singen, es gibt also weder Gesang noch Liedtexte, und das README rät zu Prompts aus ein oder zwei englischen Sätzen.
Vor kommerzieller Nutzung sollte man die Lizenz lesen. Der Code steht unter MIT, die Gewichte aber unter der Stability AI Community License, die kommerzielle Nutzung nur für Organisationen mit weniger als US$1M Jahresumsatz kostenlos erlaubt, wobei aller Umsatz zählt. Die Web-UI bindet sich ohne Login an 127.0.0.1, und das README warnt davor, sie freizugeben, weil jeder, der sie erreicht, deine GPU nutzen und Dateien schreiben kann. Mit einem Mitwirkenden, sechs Tagen Commits und keinem seit dem 24. Oktober ist es eine vielversprechende v1.0, keine Abhängigkeit, auf der man eine Studio-Pipeline aufbaut.
Wo es sich lohnt
Ein Solo-Indie-Entwickler, der ein Godot-Spiel in Claude Code baut
Einen loopfähigen Lo-Fi-Track und einen Satz UI-Soundeffekte bekommen, ohne den Editor zu verlassen
60 Sekunden Lo-Fi mit 85 BPM als drei Kandidaten anfordern, einen auswählen und process_audio einen nahtlosen OGG-Loop mit -16 LUFS in den Projektordner schneiden lassen. Kostet nichts außer GPU-Zeit; die Community License deckt ein Studio unter US$1M Umsatz ab.
Ein YouTube-Cutter bei einem Drei-Personen-Kanal mit einem Mac der M-Serie
Hintergrundmusik aus Stock-Bibliotheken durch Tracks ersetzen, die zur Länge jedes Videos passen
Ein 30-Sekunden-Bett erzeugen, es mit edit_audio continue auf die Länge des Schnitts verlängern und für Streaming auf -14 LUFS normalisieren. Etwa 10 Sekunden pro 20 Sekunden Musik auf einem M1.
Ein Sounddesigner, der Effekte für ein Mobile Game prototypisiert
Schnell viele Varianten eines Aufpralls oder einer Atmo ausprobieren
In generate_audio die Felder für Quelle, Aktion, Material und Raum ausfüllen, vier Varianten pro Aufruf anfordern und den Seed in der JSON-Begleitdatei behalten, um die gelungene zu reproduzieren.
Bevor du dich festlegst
- Einrichtung
- Das Repository klonen und ./install.sh auf macOS oder install.ps1 unter Windows ausführen; das Skript installiert uv, die festgelegte Stable-Audio-3-Laufzeit und die Medium-Gewichte (etwa 5,9 GB auf macOS, 10,4 GB unter Windows) und gibt dann den Befehl claude mcp add aus. Windows braucht einen Hugging-Face-Login mit akzeptierter Lizenz; ffmpeg ist auf beiden nötig.
- Integrationen
- Vier MCP-Tools über stdio oder über HTTP unter /mcp, wenn mit --http oder --web gestartet; dokumentiert für Claude Code, Claude Desktop und Cursor. Eine lokale Web-UI auf Englisch, Japanisch und Chinesisch teilt sich Modell und Warteschlange.
- Daten und Datenschutz
- Prompts und Audio bleiben auf deinem Rechner; nichts wird hochgeladen. Dateien landen in outputs/ oder AUDIO_STUDIO_OUTPUT_DIR mit einem JSON-Eintrag. Die Web-UI hat kein Login und lauscht nur auf 127.0.0.1. Der Code steht unter MIT; die Gewichte folgen der Stability AI Community License.
- Kosten im großen Maßstab
- Keine Nutzungsgebühren. Die eigentlichen Kosten sind Hardware: empfohlen ein Apple-Silicon-Mac mit 16 GB oder eine NVIDIA-Karte mit mindestens 8 GB VRAM (das Medium-Modell erreichte auf einer RTX 3060 in der Spitze etwa 5,3 GB). Firmen mit über US$1M Jahresumsatz brauchen eine kostenpflichtige Enterprise-Lizenz von Stability AI, Preis nicht veröffentlicht.
- Grenzen
- Medium-Modell bis 380 Sekunden, kleine Modelle bis 120 Sekunden; nur instrumental; englische Prompts empfohlen; noch keine LoRA-Unterstützung; Linux ungetestet, Intel-Macs und AMD-GPUs nicht unterstützt.
Was gut ist
- Lokale Erzeugung ohne API-Schlüssel oder Kosten pro Clip
- Nahtlose Loops, LUFS-Lautheit und OGG-Export in einem Tool
- Bestehende Clips neu stylen, ausbessern und verlängern
- Web-UI und MCP teilen sich einen Prozess und ein geladenes Modell
Was nicht
- Apple Silicon oder eine NVIDIA-GPU mit 8 GB nötig; Linux ungetestet
- Kein Gesang; Stable Audio 3 ist rein instrumental
- Gewichte brauchen ab US$1M Umsatz eine Enterprise-Lizenz
- Ein Maintainer; angelegt am 18. Oktober 2026
Am besten für
Indie-Spieleentwickler und Videomacher mit einem Apple-Silicon-Mac oder NVIDIA-PC, die einen Agenten loopfähige Musik und Effekte ohne Abo erzeugen lassen wollen.
Alternativen zu Audio Studio MCP
Audio Studio MCP: häufige Fragen
- Lohnt sich Audio Studio MCP?
- Ein gut ausgearbeitetes lokales Tonstudio für Spiele- und Videomacher mit einem aktuellen Mac oder einer NVIDIA-Karte, nützlicher wegen seiner Loop- und Lautheitswerkzeuge als wegen der Erzeugung allein. Wir bewerten es mit 3.7 von 5.
- Was kostet Audio Studio MCP?
- Kostenlos unter der MIT-Lizenz; die Gewichte von Stable Audio 3 sind bis US$1M Jahresumsatz kostenlos für kommerzielle Nutzung, darüber braucht es eine Enterprise-Lizenz von Stability AI.
- Welche Nachteile hat Audio Studio MCP?
- Apple Silicon oder eine NVIDIA-GPU mit 8 GB nötig; Linux ungetestet; Kein Gesang; Stable Audio 3 ist rein instrumental; Gewichte brauchen ab US$1M Umsatz eine Enterprise-Lizenz; Ein Maintainer; angelegt am 18. Oktober 2026.
- Für wen eignet sich Audio Studio MCP?
- Indie-Spieleentwickler und Videomacher mit einem Apple-Silicon-Mac oder NVIDIA-PC, die einen Agenten loopfähige Musik und Effekte ohne Abo erzeugen lassen wollen.
- Was kostet Audio Studio MCP für ein Team oder im Produktivbetrieb?
- Keine Nutzungsgebühren. Die eigentlichen Kosten sind Hardware: empfohlen ein Apple-Silicon-Mac mit 16 GB oder eine NVIDIA-Karte mit mindestens 8 GB VRAM (das Medium-Modell erreichte auf einer RTX 3060 in der Spitze etwa 5,3 GB). Firmen mit über US$1M Jahresumsatz brauchen eine kostenpflichtige Enterprise-Lizenz von Stability AI, Preis nicht veröffentlicht.
- Ist Audio Studio MCP sicher für Firmendaten?
- Prompts und Audio bleiben auf deinem Rechner; nichts wird hochgeladen. Dateien landen in outputs/ oder AUDIO_STUDIO_OUTPUT_DIR mit einem JSON-Eintrag. Die Web-UI hat kein Login und lauscht nur auf 127.0.0.1. Der Code steht unter MIT; die Gewichte folgen der Stability AI Community License.
- Was sind die besten Alternativen zu Audio Studio MCP?
- Die nächsten Alternativen, die wir getestet haben, sind ElevenLabs MCP.
Antworten geprüft am 5. Nov. 2026.