دوز مباشرة للمحتوى الرئيسي
دروس فالذكاء الاصطناعي

بني ستوديو محلي للموسيقى ومؤثرات الصوت بالذكاء الاصطناعي مع Audio Studio MCP

هاد الشرح كيوضح كيفاش تثبّت Audio Studio MCP فحواسيب Mac بمعالجات Apple Silicon ولا أنظمة Windows بمعالجات NVIDIA، وتربطو بعميل MCP، وتنشئ الموسيقى ومؤثرات الصوت باستعمال Stable Audio 3، وتحسّن النتائج بأدوات التعديل والتكرار وتوحيد مستوى الصوت والتصدير.

حوالي 26 دقايق ديال القراية
بني ستوديو محلي للموسيقى ومؤثرات الصوت بالذكاء الاصطناعي مع Audio Studio MCP

Audio Studio MCP كيحوّل حاسوب Mac ولا Windows محلي لستوديو صوتي مدعوم بالذكاء الاصطناعي، خدام مع Claude Code وClaude Desktop وCursor وزيد عليهم عملاء Model Context Protocol. كتشرح بالصّح شنو هو الصوت اللي محتاج، والسيرفر كيستعمل Stable Audio 3 محلياً باش يولّد الموسيقى، حلقات الآلات الموسيقية، ولا المؤثرات الصوتية.

حيت المعالجة كتوقع فالحاسوب ديالك، المشروع ما كيحتاجش خدمة سحابية ولا مفتاح API. الملفات المولّدة كتتحفظ محلياً بصيغة WAV، ومعاها ملف JSON جانبي فيه البرومبت، والـseed، والإعدادات اللي تستعملات فالصنع. من بعد تقدر تعدّل النتائج، تدير ليها loop، تطبّع مستوى الصوت، وتصدّرها لمحرك ألعاب ولا محرّر فيديو.

سير عمل توليد الصوت محلياً مع Audio Studio MCP

شنو كيدير Audio Studio MCP

المشروع كيوفّر سيرفر MCP بين عميل الذكاء الاصطناعي ديالك وبيئة Stable Audio 3 محلية. طلب بحال “صايب حلقة موسيقية lo-fi ديال BGM مدتها 60 ثانية وبسرعة 85 BPM لمشهد فمقهى” كيدوز عبر MCP، وكيّتحوّل لبرومبت متوافق مع Stable Audio، ومن بعد كيتعالج باستعمال backend محلي مدعوم.

فأجهزة Apple Silicon، Audio Studio MCP كيستعمل MLX backend. وفـWindows اللي فيه GPU من NVIDIA، كيستعمل PyTorch backend مع CUDA. تقدر تخلي الخرج فملف WAV عالي الجودة، ولا تعالجو وتحولو لـOGG وFLAC.

الإمكانيات الرئيسية

  • ولّد موسيقى، حلقات موسيقية بلا غناء، stems، ومؤثرات صوتية انطلاقاً من النص.
  • طلب من مرشح واحد حتى لأربعة مرشحين فمكالمة وحدة.
  • بدّل الطابع ديال مقطع كامل، عاود ولّد مدة زمنية مختارة، ولا مدّد مقطع موجود.
  • صايب حلقات سلسة باستعمال crossfades.
  • حيد الصمت، حوّل الصوت لـmono، عاود أخذ العينات، طبّق fades، وطَبّع علو الصوت.
  • صدّر الصوت بصيغ WAV بـ48 kHz، أو OGG، أو FLAC عبر المعالجة اللاحقة.
  • حفظ معلومات إعادة الإنتاج فملف JSON جانبي حدّ كل ملف صوتي.
  • فرّغ النماذج أوتوماتيكياً من بعد مدة ديال الخمول، ولا يدوياً ملي كتحتاج تحرّر الذاكرة.

متطلبات النظام

macOS مع Apple Silicon

  • Mac بمعالج Apple Silicon، بحال M1 ولا أحدث.
  • كينصح بـ16 GB ديال RAM.
  • حوالي 6 GB ديال المساحة فالديسك للنموذج المتوسط.
  • git وffmpeg.

Windows مع GPU من NVIDIA

  • Windows 10 ولا Windows 11 بنظام 64-bit.
  • GPU من NVIDIA فيه على الأقل 8 GB ديال VRAM وتعريف حديث.
  • حوالي 14 GB ديال المساحة فالديسك للنموذج وPyTorch.
  • git وffmpeg.
  • حساب مجاني فـHugging Face.

أجهزة Intel Mac وGPU ديال AMD ما مدعومينش. Linux مع GPU من NVIDIA يقدر يخدم مع PyTorch backend، ولكن المستودع كيوصف دعم Linux بأنه ما تجرّبش، وما كيوفّرش installer ديالو.

التثبيت فـmacOS

فالأول ثبّت ffmpeg إلا ما كانش متوفر من قبل:

brew install ffmpeg

نسخ المستودع وشغّل installer ديالو:

git clone https://github.com/kanaworksai-hue/audio-studio-mcp.git
cd audio-studio-mcp
./install.sh

الـinstaller يقدر يجهّز uv، ينسخ بيئة Stable Audio 3 المجرّبة لـvendor/، ينشئ البيئة الافتراضية، ويحمّل النموذج المتوسط 1.4B. حجم النموذج تقريباً 5.9 GB.

فالنهاية، الـinstaller كيطبّع أمر التسجيل. شغّل الأمر المكافئ باستعمال المسار الحقيقي ديال checkout ديالك:

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

التثبيت فـWindows

ثبّت Git وffmpeg إلا كانو ضروريين:

winget install Git.Git
winget install Gyan.FFmpeg

قبل ما تثبّت المشروع، حلّ صفحة النموذج المتوسط Stable Audio 3 فـHugging Face ووافق على الرخصة ديالو. أوزان PyTorch محمية، لذلك خاصك حتى توفّر access token ديال Hugging Face بصلاحية القراءة إلا طلبو الـinstaller.

نسخ المستودع وشغّل installer ديال PowerShell:

git clone https://github.com/kanaworksai-hue/audio-studio-mcp.git
cd audio-studio-mcp
powershell -ExecutionPolicy Bypass -File install.ps1

Installer ديال Windows كيثبّت تبعيات PyTorch المفعّلة بـCUDA وكيحمّل checkpoint الرسمي ديال PyTorch. النموذج المتوسط حجمو تقريباً 10.4 GB. Flash Attention ماشي ضروري؛ البيئة كتستعمل attention المدمج فـPyTorch ملي ما كيكونش متوفر.

سجّل السيرفر مع Claude Code باستعمال المسار اللي طبّعو الـinstaller، ولا بدّل هاد المثال:

claude mcp add --scope user audio-studio -- "C:\path\to\audio-studio-mcp\.venv\Scripts\audio-studio-mcp.exe"

ربط عملاء MCP آخرين

Claude Desktop وCursor والعملاء المتوافقين يقدرو يشغّلو السيرفر من إعدادات MCP ديالهم. زِد مدخلة audio-studio لملف الإعدادات المناسب، بحال claude_desktop_config.json ولا .cursor/mcp.json:

{
  "mcpServers": {
    "audio-studio": {
      "command": "/path/to/audio-studio-mcp/.venv/bin/audio-studio-mcp"
    }
  }
}

فـ Windows، استعمل الملف التنفيذي اللي كاين داخل .venv\Scripts. وحيت هادا JSON، خاصّ الباك سلاش يتضاعف:

{
  "mcpServers": {
    "audio-studio": {
      "command": "C:\\path\\to\\audio-studio-mcp\\.venv\\Scripts\\audio-studio-mcp.exe"
    }
  }
}

ولّد أول مقطع صوتي ديالك

منين تسجّل السيرفر، استعمل اللغة الطبيعية فـ عميل MCP ديالك. مثلاً:

  • صايب ليا حلقة BGM من نوع lo-fi مدتها 60 ثانية وبسرعة 85 BPM لمشهد فـ قهوة، وعطيني ثلاثة ديال الاختيارات.
  • صايب صوت باب خشبي ثقيل كيتسدّ بقوة فـ ممر حجري، وخرّجو بصيغة OGG باش نستعملو فـ Godot.
  • ولّد أجواء قصيرة ديال الشتا والرعد لغابة خارجية فالليل.

السيرفر كيوفّر أداة generate_audio لتوليد الصوت انطلاقاً من النص. كتدعم أنواع الموسيقى، والآلات، والمؤثرات الصوتية، والصوت الخام. فـ الموسيقى، ضمّن النوع، والمزاج، والآلات، والطبقات المساندة، والإيقاع، والسرعة. وبالنسبة للمؤثرات الصوتية، وصف المصدر، والفعل، والمادة، والفضاء.

الملفات المولّدة كتكتب افتراضياً فـ مجلد outputs/ ديال المستودع. الصيغة القياسية المولّدة هي WAV ستيريو، بتردد 44.1 kHz وعمق 24-bit. كل ملف عندو ملف JSON مرافق فيه تفاصيل التوليد.

نتائج الصوت المولّد من عميل MCP

طلب عدة اختيارات

النتائج تقدر تختلف بزاف حسب الـ seed. طلب من جوج حتى لأربعة ديال التنويعات ملي بغيتي تقارن بين البدائل:

صايب أربعة اختيارات ديال موسيقى مغامرات 8-bit حماسية بسرعة 150 BPM، مع لحن رئيسي بموجة مربعة مشرقة وطبول نشيطة.

السيرفر كيعطي لكل تنويع seed متتالي. وتقدر حتى تحدد seed معيّن باش تحصل على نتيجة قابلة لإعادة الإنتاج، أو تحيد seed وتستعمل -1 باش يتختار seed عشوائي.

عدّل الصوت المولّد

استعمل edit_audio ملي يكون التوليد الأول قريب من اللي بغيتي ولكن محتاج لتغيير. الأداة كتدعم ثلاثة ديال الأنماط:

  • Variation: عاود صايغ المقطع كامل بأسلوب مختلف.
  • Inpaint: عاود ولّد نطاق زمني محدد.
  • Continue: مدّد المقطع من بعد المدة الحالية ديالو.

مثلاً، تقدر تطلب من العميل يمدّد مقطع مدتو 20 ثانية حتى لـ 40 ثانية، أو يعاود يولّد جزء فيه مشكل بلا ما يعاود ينشئ الملف كامل:

مدّد هاد المقطع حتى لـ 90 ثانية، وخلي نفس الأسلوب والطاقة.
عاود ولّد الجزء من الثانية 8 حتى للثانية 12 باش الانتقال يولي أكثر سلاسة.

الـ README كيوضح أن التعليمات الزمنية الدقيقة، بحال طلب ذروة فـ ثانية محددة بالضبط، ما كيتبعهاش النموذج بشكل موثوق. الطريقة الأكثر اعتماداً هي تولّد المقطع الأول، ومن بعد تستعمل inpaint أو continue للتغييرات البنيوية.

عالج وصدّر الصوت

أداة process_audio كتطبّق عمليات إنهاء غير مدمّرة. ما كتبدّلش الملف الأصلي نهائياً. العمليات المتاحة كتشمل التشذيب، وحذف الصمت، والتحويل لمونو، وإعادة أخذ العينات، وتوحيد مستوى الصوت، وإنشاء حلقات سلسة، والتلاشي، وتوحيد القمم، وتحويل صيغة الإخراج.

مثلاً:

  • حوّل هاد المؤثر الصوتي لمونو، حيّد الصمت، طبّق تلاشي قصير، وصدّرو بصيغة OGG.
  • صايب حلقة سلسة من هاد الموسيقى، استعمل crossfade أطول، وصدّرها بصيغة WAV.
  • وحّد مستوى صوت هاد المقطع الخلفي ديال اللعبة على -16 LUFS وصدّرو بصيغة OGG.

استعمل توحيد القمم مع بزاف ديال المؤثرات الصوتية. وبالنسبة لتوحيد مستوى الصوت، المشروع كيوصي تقريباً بـ -14 LUFS للبث أو الفيديو، و-16 LUFS للموسيقى الخلفية ديال الألعاب، و-23 LUFS للبث الإذاعي والتلفزي.

الحد الأقصى الافتراضي للقمم هو -1 dB. كيقلّل القمم اللي كتفوت هاد الحد، ولكن ما كيرفعش مستوى الصوت الهادئ. الملفات المعالجة كتحافظ على معلومات التوليد الأصلية داخل الحقل source فـ البيانات الوصفية ديالها.

تجنّب النقرات فـ الحلقات

استعمل WAV أو OGG ملي تحتاج حلقة سلسة. MP3 يقدر يزيد فراغ فـ البداية والنهاية، وهاد الشي كيمنع التكرار الدقيق. إلا بقات شي نقرة فـ نقطة الوصل، زيد مدة crossfade ديال الحلقة أو طلب من النموذج يصايب حلقة كتسالي مع بداية مازورة.

حسّن التعليمات ديالك

Stable Audio 3 كيخدم مزيان أكثر مع تعليمات إنجليزية مختصرة من جملة أو جوج، وعموماً ما كتفوتش تقريباً 45 كلمة. تجنّب مصطلحات الصوت البشري بحال vocals وsinger وlyrics، حيث هاد المشروع كيلّد موسيقى آلية ومؤثرات صوتية، ماشي غناء واضح الكلمات.

بنية تعليمات الموسيقى

ترتيب مفيد لتعليمات الموسيقى هو: النوع والصفات، والآلات الرئيسية، والطبقات المساندة، والطبول أو الإيقاع، والمزاج. حط السرعة فـ معامل bpm أو ضمّنها بوضوح فـ الطلب.

مقطع lo-fi hip-hop هادئ، فيه بيانو كهربائي ناعم، وفرقعة فينيل خفيفة، وطبول بفلتر low-pass، وباص خفيف مع نقرات، بأجواء مرتاحة وحالمة.

بنية تعليمات المؤثرات الصوتية

وصف المؤثرات الصوتية باستعمال أربعة عناصر: شنو اللي كيصايب الصوت، كيفاش كيتطور، مناش مصنوع، والفضاء اللي كيوقع فيه.

المصدر: قنينة زجاجية / الفعل: كتتهرس من بعد الاصطدام، والشظايا كتتناثر / المادة: زجاج أخضر سميك، وصوت حاد ومشرق فـ البداية / الفضاء: أرضية إسمنتية، لقطة قريبة، جافة

طابق المدّة المطلوبة مع المحتوى. المؤثرات كتخدم غالباً مزيان من ثانية حتى لثلاثة ثواني، والأفعال من ثلاثة حتى لستة ثواني، والأجواء من ستة حتى لخمسطاش ثانية ولا أكثر، واللوبات من ستة حتى لعشرين ثانية. التراكات الكاملة تقدر تكون أطول، حيث الموديل المتوسط كيدعم حتى لـ380 ثانية.

الإعدادات الافتراضية الرسمية هي steps=8 وcfg=1.0. إلا كنت محتاج التزام أقوى بالبرومبت ولا بغيتي تستعمل negative prompt، جرّب قيمة CFG بين 3 و7، وخذ بعين الاعتبار باللي التوليد يقدر ياخذ تقريباً ضعف الوقت.

اختار موديل وتهيّأ السيرفر

الموديل الافتراضي هو medium، وكيعطي أحسن جودة وكيدعم مدداً حتى لـ380 ثانية. الموديلات الأصغر sm-music وsm-sfx أسرع وكتدعم مدداً حتى لـ120 ثانية.

حدّد قيم الإعدادات من خلال أمر تسجيل MCP ولا من بلوك البيئة ديال الكليان. المتغيّرات المهمة كتشمل:

  • AUDIO_STUDIO_OUTPUT_DIR: كيبدّل مجلد الإخراج. الافتراضي هو <repo>/outputs.
  • AUDIO_STUDIO_IDLE_UNLOAD_MIN: كيفرّغ ذاكرة الموديل من بعد العدد المحدد ديال دقايق الخمول. عيّنو على 0 باش توقف التفريغ التلقائي.
  • AUDIO_STUDIO_SA3_MODEL: كيختار medium ولا sm-music ولا sm-sfx.
  • AUDIO_STUDIO_MLX_CACHE_GB: كيحدّ أقصى حجم لكاش الذاكرة المؤقتة ديال MLX على macOS.
  • AUDIO_STUDIO_DEVICE: كيختار جهاز PyTorch بحال cuda ولا cuda:1 ولا cpu.
  • AUDIO_STUDIO_BACKEND: كيختار auto ولا sa3-mlx ولا sa3-torch.
  • AUDIO_STUDIO_FFMPEG: كيحدّد الملف التنفيذي ديال ffmpeg إلا ما كانش موجود فـPATH.

شارك نفس عملية السيرفر السخونة

عادةً، كل جلسة ديال الكليان كتشغّل عملية سيرفر بوحدها. الموديلات كيتحمّلو مع أول طلب وكيتحرّرو من بعد مهلة الخمول. إلا كانت عدة جلسات خاصها تشارك نفس العملية السخونة، شغّل Audio Studio MCP كسيرفر HTTP محلي:

.venv/bin/audio-studio-mcp --http 8765 --preload
claude mcp add --scope user --transport http audio-studio http://127.0.0.1:8765/mcp

فـWindows، شغّل الملف التنفيذي من البيئة الافتراضية:

.venv\Scripts\audio-studio-mcp.exe --http 8765 --preload

سيرفر HTTP كيسمع غير فـ127.0.0.1، وبهذا كيبقى محلي فالحاسوب.

دبّر الذاكرة والأداء

فـMac بمعالج M1 وذاكرة 16 GB، الموديل المتوسط كيستعمل تقريباً من 5 حتى لـ7 GB ملي كيكون محمّل. وفـRTX 3060، وصل تقريباً لـ5.3 GB من VRAM حسب القياسات ديال المستودع. استعمل أداة unload_models باش تحرّر ذاكرة الموديل فوراً، ولا عيّن AUDIO_STUDIO_IDLE_UNLOAD_MIN للتنظيف التلقائي.

الموديلات الصغيرة تقدر تنقص وقت التوليد بشكل كبير فالمقاطع القصيرة. المستودع كيذكر باللي توليد دافئ لمدة 15 ثانية باستعمال sm-music كياخذ تقريباً ثانية وحدة فـMac بمعالج M1 وحوالي 0.7 ثانية فـRTX 3060. الأداء الفعلي كيعتمد على العتاد، والموديل، والمدّة، وواش الموديل محمّل من قبل.

شغّل الاختبارات وفحوصات التطوير

المستودع فيه اختبارات أوفلاين ما كتحتاجش أوزان الموديل:

uv run pytest

باش تدير اختبار من البداية للنهاية بالموديل الحقيقي، شغّل اختبار الدخان. فـmacOS:

.venv/bin/python scripts/smoke_test.py

فـWindows:

.venv\Scripts\python scripts/smoke_test.py

المصدر منظّم حول سيرفر MCP، وبناء البرومبت، والمعالجة اللاحقة، وتنفيذات الواجهات الخلفية. تقدر تزيد منصة جديدة كواجهة خلفية أخرى داخل src/audio_studio_mcp/backends/.

إعدادات مشروع Audio Studio MCP أو واجهة الإخراج

اعتبارات الترخيص والاستعمال

كود Audio Studio MCP مرخّص برخصة MIT. كيتحمّل وقت التثبيت Runtime ديال Stable Audio 3، بينما أوزان الموديل موزّعة بموجب رخصة Stability AI Community. راجع رخصة الموديل قبل استعمال الصوت المولّد تجارياً. كيوضح README باللي، وقت كتابة هاد النص، الرخصة كتسمح بالاستعمال التجاري للأفراد والمنظمات اللي المداخيل السنوية الإجمالية ديالها أقل من US$1 مليون.

الخلاصة

Audio Studio MCP كيوفّر سير عمل عملي ومحلي لإنشاء صوتيات الألعاب، وخلفيات الفيديو، والأجواء، والمؤثرات الصوتية باستعمال طلبات باللغة الطبيعية. ثبّت الواجهة الخلفية المناسبة للعتاد ديالك، وسجّل السيرفر مع كليان MCP، وولّد عدة اقتراحات، واستعمل أدوات التحرير والمعالجة باش تحوّل أحسن نتيجة لملف WAV ولا OGG ولا FLAC نقي.

بالنسبة للعينات وآخر تفاصيل التثبيت، زُر مستودع Audio Studio MCP وصفحة العينات ديالو.