Skip to main content
Glama

midi

midi 是一个 TypeScript MCP 服务器,通过官方 MuScriptor CLI 将音频转录为多乐器 MIDI。它支持受限本地路径和公网 HTTPS URL,并默认串行执行转录,避免多个模型进程同时耗尽 CPU/GPU 内存。

功能

  • audio_to_midi:把本地音频或公网 HTTPS 音频转成唯一命名的 .mid 文件。

  • check_model:检查 MuScriptor CLI、输出目录和 Hugging Face 认证线索,不加载模型权重。

  • 可选主唱增强:Demucs 分离人声,Basic Pitch 提取主唱旋律,并以独立 lead vocal / Voice Oohs 轨合并进 MIDI。

  • 本地输入目录白名单及符号链接逃逸防护。

  • HTTPS-only 下载、建连时 DNS 校验、私网/保留地址拦截、逐跳重定向复查。

  • 下载大小、下载超时和转录进程超时限制。

  • MuScriptor 子进程使用参数数组启动,不经过 shell。

  • MCP 请求取消或超时时先终止 MuScriptor 进程组,必要时升级为强制终止。

Related MCP server: faster-whisper-mcp

前置条件

  • Linux

  • Node.js 22 或更高版本

  • 已安装可执行的 muscriptor CLI

  • 已在 Hugging Face 接受所选 MuScriptor 模型许可

  • 首次下载模型时已通过 hf auth login 登录,或设置 HF_TOKEN

安装 MuScriptor:

pip install muscriptor

如需 includeLeadVocal=true,建议通过隔离的 Python 3.11 uv tool 安装:

uv tool install --python 3.11 --with numpy demucs
uv tool install --python 3.11 --with 'setuptools<81' basic-pitch

numpy 和 setuptools 版本限制用于规避当前 Demucs 4.1.0 与 Basic Pitch 0.4.0 的上游依赖声明问题。首次使用 Demucs 会下载人声分离模型。

模型权重使用 CC BY-NC 4.0,仅限非商业用途。此仓库的 TypeScript 代码使用 MIT 许可。

开发

npm install
npm run check
npm test
npm run build

启动 stdio MCP 服务器:

node dist/index.js

MCP 配置

构建后可在 MCP 宿主中添加:

{
  "mcpServers": {
    "midi": {
      "command": "node",
      "args": ["/absolute/path/to/midi/dist/index.js"],
      "env": {
        "MIDI_MCP_ALLOWED_INPUT_DIRS": "/home/user/Music:/home/user/Downloads",
        "MIDI_MCP_OUTPUT_DIR": "/home/user/Music/midi-output",
        "MIDI_MCP_DEMUCS_COMMAND": "/home/user/.local/bin/demucs",
        "MIDI_MCP_DEMUCS_DEVICE": "xpu",
        "MIDI_MCP_BASIC_PITCH_COMMAND": "/home/user/.local/bin/basic-pitch"
      }
    }
  }
}

配置变量

变量

默认值

说明

MIDI_MCP_MUSCRIPTOR_COMMAND

muscriptor

MuScriptor 可执行文件名或绝对路径

MIDI_MCP_DEMUCS_COMMAND

demucs

主唱增强使用的 Demucs 可执行文件

MIDI_MCP_DEMUCS_DEVICE

auto

Demucs 设备,例如 cpucudaxpu

MIDI_MCP_BASIC_PITCH_COMMAND

basic-pitch

主唱增强使用的 Basic Pitch 可执行文件

MIDI_MCP_ALLOWED_INPUT_DIRS

MCP 进程工作目录

允许读取的本地根目录,以系统路径分隔符分隔

MIDI_MCP_OUTPUT_DIR

<cwd>/.midi-output

MIDI 和临时下载目录

MIDI_MCP_DOWNLOAD_MAX_BYTES

209715200

单个本地或远程音频最大字节数,即 200 MB

MIDI_MCP_DOWNLOAD_TIMEOUT_MS

300000

整个下载的超时时间,即 5 分钟

MIDI_MCP_PROCESS_TIMEOUT_MS

3600000

单次 MuScriptor 进程超时,即 1 小时

环境变量在进程启动时一次性验证并形成不可变快照。修改配置后重启 MCP 服务器即可应用完整新配置。

工具

check_model

无参数。返回:

  • ready:CLI 可执行且输出目录可写。

  • climuscriptor --help 的检查结果。

  • outputDirectory:专用输出目录状态。

  • authentication:是否发现 Hugging Face token 环境变量。unknown 不代表不可用,因为本机可能已有缓存登录或模型权重。

  • leadVocal:Demucs 与 Basic Pitch 是否可执行。该状态不影响普通 MuScriptor 转录的 ready

该工具不会下载或加载模型。

audio_to_midi

主要参数:

参数

默认值

说明

source

必填

允许目录中的本地路径,或公网 HTTPS URL

outputFileName

自动唯一名称

输出目录内的安全文件名;自动补 .mid,已存在时拒绝覆盖

model

medium

smallmediumlarge

device

auto

autocpucudacuda:Nmps

dtype

MuScriptor 默认

float32float16bfloat16

instruments

自动检测

MuScriptor 乐器组名称数组

sampling

false

使用温度采样

temperature

1

采样温度,必须大于 0

cfgCoef

1

classifier-free guidance 系数

batchSize

MuScriptor 默认

每个 forward pass 的 5 秒分块数

strictEos

false

分块没有生成 EOS 时是否失败

beamSize

1

beam search 宽度

preludeForcing

true

跨分块延音前奏强制

includeLeadVocal

false

分离人声并新增独立主唱旋律轨;需要 Demucs 和 Basic Pitch

leadVocalVelocity

127

主唱音符固定 velocity,范围 1~127

leadVocalAccompanimentVolume

89

非鼓伴奏通道 CC7 音量,默认约为最大值的 70%

batchSize > 1 要求 preludeForcing=false。模型来源只允许官方 small/medium/large,避免自定义路径或 URL 绕过 MCP 的文件和网络边界。

成功结果包含 outputPathoutputBytesmodelsourceKindleadVocalIncluded,启用增强时还包含 leadVocalNotes。本地和 URL 音频都会复制到 0600 权限的私有快照,转录完成或失败后删除。生成结果经 Standard MIDI File 解析验证后才从私有暂存区原子发布。

主唱增强保留 MuScriptor 原有的 voice 伴唱轨,新增 lead vocal 轨并使用 General MIDI Voice Oohs(Program 54,零基代码 53)。主唱默认使用 velocity 127 和 CC7/CC11 最大值,非鼓伴奏通道默认写入 CC7=89(约 70%),以确保主唱明显可听。MIDI 只保存旋律音高与节奏,不保存真实嗓音或歌词。

安全说明

公网地址拒绝策略降低了 SSRF 风险,但不能代替部署环境的出站防火墙。如果内部服务使用公网 IP,应额外配置网络层 allowlist。MCP 服务器拥有其运行账户的权限,建议使用最小化的输入目录和独立输出目录。

Install Server
A
license - permissive license
A
quality
C
maintenance

Maintenance

Maintainers
Response time
Release cycle
Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

View all related MCP servers

Related MCP Connectors

  • AI-manageable audio CDN: upload, transcode, normalize, stream & deliver audio, plus grounded docs.

  • OCR, transcription, file extraction, and image generation for AI agents via MCP.

  • MCP server for Producer/Riffusion AI music generation

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/ALLLLLL703/midi'

If you have feedback or need assistance with the MCP directory API, please join our Discord server