¿Qué es Audio Studio MCP?
Audio Studio MCP permite a Claude Code, Claude Desktop, Cursor o cualquier cliente MCP pedir en lenguaje corriente una pieza de música de fondo, un bucle de instrumento o un efecto de sonido y recibir los archivos terminados. La generación se ejecuta en local con Stable Audio 3 de Stability AI, mediante MLX en Apple Silicon o PyTorch en una GPU NVIDIA con Windows, así que no hay clave de API ni cobro por clip.
Ofrece cuatro herramientas: generate_audio (de una a cuatro candidatas por llamada), edit_audio (cambiar el estilo de un clip, regenerar un tramo de tiempo o alargar una pista), process_audio (recortar, remuestrear, normalizar la sonoridad, crear un bucle sin cortes, aplicar fundidos y exportar a WAV, OGG o FLAC) y unload_models. Una interfaz web local en el mismo puerto ofrece las mismas funciones con una biblioteca de archivos generados, y cada archivo lleva un registro JSON con su prompt y su semilla.
Es un proyecto de una sola persona de KanaWorks_AI con licencia MIT, creado el 18 de octubre de 2026; la v1.0.0 salió el 24 de octubre de 2026. Los pesos del modelo están bajo la Stability AI Community License, no bajo MIT.
Cómo instalar Audio Studio MCP
git clone https://github.com/kanaworksai-hue/audio-studio-mcp && ./install.sh¿Merece la pena Audio Studio MCP?
Audio Studio MCP es algo más que una capa fina sobre Stable Audio 3 por lo que pasa despu és de generar. process_audio hace el trabajo tedioso que normalmente te lleva a un editor de audio: bucles sin cortes con fundido cruzado, sonoridad normalizada a un objetivo LUFS (el README sugiere -16 para música de juegos y -14 para streaming), remuestreo a 48 kHz, fundidos y exportación a OGG para un motor de juegos. La demo muestra a Claude eligiendo una longitud de bucle de exactamente 11 compases para que el ritmo cuadre al repetirse, el tipo de detalle que una herramienta basada solo en prompts te deja a ti.
El requisito de hardware es real. En un Mac necesita Apple Silicon, se recomiendan 16 GB de RAM, y el modelo medium ocupa unos 5,9 GB en disco y usa de 5 a 7 GB de memoria una vez cargado. En Windows necesita una GPU NVIDIA con 8 GB de VRAM o más y unos 14 GB de disco, y los pesos de PyTorch exigen iniciar sesión en Hugging Face y aceptar la licencia. Linux debería funcionar con el mismo backend, pero no tiene instalador ni se ha probado; los Mac con Intel y las GPU AMD no están soportados.
La velocidad es razonable en ambos. El README indica unos 10 segundos para 20 segundos de música en un M1 con 16 GB, y unos 1,3 segundos para lo mismo en una RTX 3060 12 GB, donde la pista máxima de 380 segundos tarda unos 15 segundos con el modelo ya cargado. El modelo pequeño sm-music devuelve 15 segundos de música en alrededor de un segundo. Stable Audio 3 no canta, así que no hay voces ni letras, y el README aconseja prompts de una o dos frases en inglés.
La licencia hay que leerla antes de un uso comercial. El código es MIT, pero los pesos están bajo la Stability AI Community License, que es gratuita para uso comercial solo para organizaciones con menos de 1M US$ de ingresos anuales, contando todos los ingresos. La interfaz web escucha en 127.0.0.1 sin inicio de sesión, y el README advierte que no se exponga, porque cualquiera que llegue a ella puede usar tu GPU y escribir archivos. Con un solo colaborador, seis días de commits y ninguno desde el 24 de octubre, es una v1.0 prometedora y no una dependencia sobre la que montar el flujo de un estudio.
Dónde se gana su sitio
Un desarrollador independiente que crea un juego en Godot con Claude Code
Conseguir una pista lo-fi en bucle y un juego de efectos de sonido para la interfaz sin salir del editor
Pide 60 segundos de lo-fi a 85 BPM como tres candidatas, elige una y haz que process_audio corte un bucle OGG sin cortes a -16 LUFS en la carpeta del proyecto. No cuesta nada más allá del tiempo de GPU; la Community License cubre un estudio con menos de 1M US$ de ingresos.
Un editor de YouTube en un canal de tres personas con un Mac de la serie M
Sustituir la música de fondo de bancos de stock por pistas que encajen con la duración de cada vídeo
Genera una base de 30 segundos, alárgala con edit_audio continue hasta la duración del montaje y normaliza a -14 LUFS para streaming. Unos 10 segundos por cada 20 segundos de música en un M1.
Un diseñador de sonido que prototipa efectos para un juego móvil
Probar rápido muchas variaciones de un impacto o un ambiente
Rellena los campos de fuente, acción, material y espacio en generate_audio, pide cuatro variaciones por llamada y guarda la semilla del JSON adjunto para reproducir la que funcione.
Antes de decidirte
- Puesta en marcha
- Clona el repositorio y ejecuta ./install.sh en macOS o install.ps1 en Windows; el script instala uv, el runtime fijado de Stable Audio 3 y los pesos medium (unos 5,9 GB en macOS, 10,4 GB en Windows) y luego muestra el comando claude mcp add. Windows necesita una sesión de Hugging Face con la licencia aceptada; ffmpeg es necesario en ambos.
- Integraciones
- Cuatro herramientas MCP por stdio, o por HTTP en /mcp si se arranca con --http o --web; documentado para Claude Code, Claude Desktop y Cursor. Una interfaz web local en inglés, japonés y chino comparte el mismo modelo y la misma cola.
- Datos y privacidad
- Los prompts y el audio se quedan en tu máquina; no se sube nada. Los archivos van a outputs/ o a AUDIO_STUDIO_OUTPUT_DIR con un registro JSON. La interfaz web no tiene inicio de sesión y solo escucha en 127.0.0.1. El código es MIT; los pesos siguen la Stability AI Community License.
- Coste a escala
- Sin tarifas de uso. El coste real es el hardware: se recomienda un Mac con Apple Silicon y 16 GB, o una tarjeta NVIDIA con al menos 8 GB de VRAM (el modelo medium llegó a unos 5,3 GB en una RTX 3060). Las empresas con más de 1M US$ de ingresos anuales necesitan una licencia Enterprise de pago de Stability AI, con precio no publicado.
- Límites
- Modelo medium hasta 380 segundos, modelos pequeños hasta 120 segundos; solo instrumental; se aconsejan prompts en inglés; aún sin soporte para LoRA; Linux sin probar, Mac con Intel y GPU AMD no soportados.
Lo bueno
- Generación local sin clave de API ni coste por clip
- Bucles sin cortes, sonoridad LUFS y exportación a OGG en una sola herramienta
- Cambia el estilo, rellena tramos y alarga clips existentes
- La interfaz web y MCP comparten un proceso y un modelo cargado
Lo malo
- Requiere Apple Silicon o una GPU NVIDIA de 8 GB; Linux sin probar
- Sin voces; Stable Audio 3 es solo instrumental
- Los pesos exigen una licencia Enterprise por encima de 1M US$ de ingresos
- Un solo mantenedor; creado el 18 de octubre de 2026
Ideal para
Desarrolladores de juegos independientes y creadores de vídeo con un Mac con Apple Silicon o un PC con NVIDIA que quieren que un agente produzca música en bucle y efectos sin suscripción.
Alternativas a Audio Studio MCP
Audio Studio MCP: preguntas frecuentes
- ¿Merece la pena Audio Studio MCP?
- Un estudio de sonido local bien acabado para creadores de juegos y vídeo con un Mac reciente o una tarjeta NVIDIA, más útil por sus herramientas de bucle y sonoridad que por la generación en sí. Le damos un 3.7 sobre 5.
- ¿Cuánto cuesta Audio Studio MCP?
- Gratis bajo la licencia MIT; los pesos de Stable Audio 3 son gratuitos para uso comercial con menos de 1M US$ de ingresos anuales, y por encima hace falta una licencia Enterprise de Stability AI.
- ¿Qué inconvenientes tiene Audio Studio MCP?
- Requiere Apple Silicon o una GPU NVIDIA de 8 GB; Linux sin probar; sin voces; Stable Audio 3 es solo instrumental; los pesos exigen una licencia Enterprise por encima de 1M US$ de ingresos; un solo mantenedor; creado el 18 de octubre de 2026.
- ¿Para quién es Audio Studio MCP?
- Desarrolladores de juegos independientes y creadores de vídeo con un Mac con Apple Silicon o un PC con NVIDIA que quieren que un agente produzca música en bucle y efectos sin suscripción.
- ¿Cuánto cuesta Audio Studio MCP para un equipo o en producción?
- Sin tarifas de uso. El coste real es el hardware: se recomienda un Mac con Apple Silicon y 16 GB, o una tarjeta NVIDIA con al menos 8 GB de VRAM (el modelo medium llegó a unos 5,3 GB en una RTX 3060). Las empresas con más de 1M US$ de ingresos anuales necesitan una licencia Enterprise de pago de Stability AI, con precio no publicado.
- ¿Es Audio Studio MCP seguro para los datos de la empresa?
- Los prompts y el audio se quedan en tu máquina; no se sube nada. Los archivos van a outputs/ o a AUDIO_STUDIO_OUTPUT_DIR con un registro JSON. La interfaz web no tiene inicio de sesión y solo escucha en 127.0.0.1. El código es MIT; los pesos siguen la Stability AI Community License.
- ¿Cuáles son las mejores alternativas a Audio Studio MCP?
- Las alternativas más cercanas que hemos analizado son ElevenLabs MCP.
Respuestas comprobadas el 5 nov 2026.