AudacityMCP

AudacityMCP verbindet jeden MCP-kompatiblen KI-Assistenten mit Audacity und gibt ihm über 144 Tools die volle Kontrolle über die Audiobearbeitung – von Effekten über Bereinigung und Mastering bis hin zur Transkription. Sprich mit deinem KI-Assistenten und er bearbeitet dein Audio in Echtzeit.

Keine Cloud. Keine API-Schlüssel für die Audioverarbeitung. Alles läuft lokal über Audacitys Named-Pipe-Schnittstelle.

Wenn dir das nützlich ist, hilft ein Stern anderen, es zu finden – das ist das gesamte Marketingbudget dieses Projekts. Du möchtest helfen, es zu pflegen? Klicke oben auf das Sponsor-Abzeichen.

Kompatibilität: AudacityMCP funktioniert derzeit nur mit Audacity 3.x. Audacity 4.x wird noch nicht unterstützt – wir hoffen, die Unterstützung in Zukunft hinzuzufügen.

Funktioniert mit

AudacityMCP funktioniert mit jedem KI-Client, der das Model Context Protocol unterstützt:

• Claude Desktop – Die Desktop-App von Anthropic

• Claude Code – CLI-Agent

• Cursor – KI-Code-Editor mit MCP-Unterstützung

• Jeder andere MCP-kompatible Client

Schnellstart

1. AudacityMCP herunterladen

Option A: Klicke oben auf den grünen Code-Button → ZIP herunterladen → in einen Ordner entpacken

Option B: Mit git klonen:

git clone https://github.com/xDarkzx/Audacity-MCP.git

2. Installer ausführen (richtet automatisch alles Weitere ein)

Windows: Doppelklicke entweder im Datei-Explorer auf install.bat – oder, wenn du bereits im Terminal aus dem git clone-Schritt oben bist, mach einfach im selben PowerShell-/Eingabeaufforderungsfenster weiter:

cd Audacity-MCP
.\install.bat

macOS / Linux:

cd Audacity-MCP
bash install.sh

Der Installer erledigt 3 Dinge: Er installiert audacity-mcp aus diesem lokalen Ordner (dem gerade heruntergeladenen/geklonten – kein PyPI- oder GitHub-Abruf), aktiviert mod-script-pipe in Audacity und konfiguriert Claude Desktop – kein manuelles JSON-Bearbeiten nötig. Er fragt vor dem Ändern beider Konfigurationsdateien um Bestätigung, erklärt zuerst genau, was er tun wird, und sichert eine vorhandene Datei immer, bevor er sie ändert. Du möchtest sehen, was er tun würde, ohne etwas zu ändern? Füge --dry-run hinzu: .\install.bat --dry-run / bash install.sh --dry-run.

Hinweis: install.bat/install.sh müssen aus diesem Ordner heraus ausgeführt werden – sie installieren nur den Code, der direkt neben ihnen liegt, und laden selbst nichts herunter.

Wenn du nicht Claude Desktop verwendest, installiere manuell mit pip install audacity-mcp-server und füge es zur MCP-Konfiguration deines Clients hinzu:

{
  "mcpServers": {
    "audacity": {
      "command": "audacity-mcp"
    }
  }
}

Die Konfigurationsdatei findest du in der MCP-Dokumentation deines Clients.

Client findet/startet audacity-mcp nicht? GUI-Apps sehen nicht immer denselben PATH wie ein Terminal. Führe python -c "import sysconfig; print(sysconfig.get_path('scripts'))" aus und verwende den vollständigen Pfad, den es ausgibt (plus \audacity-mcp.exe unter Windows oder /audacity-mcp unter macOS/Linux) als "command" statt des bloßen Namens.

Kein install.bat/install.sh, nichts, das dein System automatisch verändert – drei Schritte, alles von Hand:

1. mod-script-pipe in Audacity aktivieren: Bearbeiten → Einstellungen (Windows/Linux) oder Audacity → Einstellungen (macOS) → Module → mod-script-pipe auf Aktiviert setzen → OK → Audacity neu starten.

2. Das Paket installieren: Öffne ein Terminal (Eingabeaufforderung/PowerShell unter Windows, Terminal unter macOS/Linux) und führe pip install audacity-mcp-server aus – eine normale PyPI-Installation, kein Repo-Klon nötig.

3. Claude Desktop konfigurieren: Öffne Claude Desktop → Einstellungen (Zahnrad-Symbol) → Entwickler-Registerkarte → Konfiguration bearbeiten – dies öffnet claude_desktop_config.json in einem Texteditor. Füge Folgendes innerhalb des "mcpServers"-Blocks hinzu, wobei du alle anderen bereits vorhandenen Server beibehältst:

   {
     "mcpServers": {
       "audacity": {
         "command": "audacity-mcp"
       }
     }
   }

   Speichere die Datei und starte Claude Desktop vollständig neu (über das System-Tray beenden, nicht nur das Fenster schließen).

Das ist die gesamte Installation – siehe Installationsanleitung für dieselben Schritte mit mehr Details und betriebssystemspezifischen Hinweisen.

"audacity" erscheint nach dem Neustart nicht als Tool? Das obige "command": "audacity-mcp" funktioniert nur, wenn sich dieser Befehl auf demselben PATH befindet, den Claude Desktop selbst verwendet – was nicht immer der Fall ist (besonders wenn Claude Desktop bereits geöffnet war, als du Python installiert hast). Wenn keine Verbindung hergestellt wird, führe Folgendes in einem Terminal aus, um den tatsächlichen Installationsort zu finden: python -c "import sysconfig; print(sysconfig.get_path('scripts'))" – ersetze dann "audacity-mcp" oben durch den vollständigen Pfad, den es ausgibt, plus \audacity-mcp.exe (Windows, denk daran, jeden Backslash zu verdoppeln: \\) oder /audacity-mcp (macOS/Linux).

3. Mit der Bearbeitung beginnen

Öffne Audacity, lade etwas Audio und sprich dann mit deiner KI:

"Clean up this podcast recording"
"Master this track for Spotify, it's EDM"
"Transcribe this and add labels at each sentence"
"Add reverb with a large room, then export as FLAC"

Audacity muss zuerst geöffnet sein. AudacityMCP kommuniziert über Audacitys Named Pipe – es kann Audacity nicht für dich starten.

Siehe die vollständige Installationsanleitung für detaillierte Einrichtung auf allen Plattformen und MCP-Clients.

Related MCP server: ReaperMCP

Warum AudacityMCP?

Ohne AudacityMCP: Du navigierst manuell durch Menüs, justierst Effektparameter nach Gehör, wendest Effekte einzeln an, schlägst ACX-Spezifikationen nach und wiederholst das Ganze, bis es richtig klingt.

Mit AudacityMCP: Du beschreibst in einfachem Englisch, was du möchtest, und die KI übernimmt den Rest – die richtigen Effekte auswählen, branchenübliche Parameter einstellen und Operationen miteinander verketten.

AudacityMCP ist besonders nützlich für:

• Podcaster, die einen konsistenten, professionellen Klang ohne Tontechnik-Kenntnisse möchten

• Musiker, die schnelles Mastering mit genregerechten Einstellungen benötigen

• Content-Ersteller, die mit Interviews, Voiceovers oder Feldaufnahmen arbeiten

• Jeden, der lieber beschreibt, was er möchte, als durch Menüs zu klicken

Was kann es?

You:  "Clean up this podcast recording"
AI:   Runs auto_cleanup_podcast → HPF 80Hz → noise reduction → compression → safe loudness check

You:  "Master this track for Spotify, it's EDM"
AI:   Runs auto_master_music style=edm → HPF 30Hz → click removal → compression 2.5:1 → bass +2dB → loudness check

You:  "This is a noisy live recording, fix it up"
AI:   Runs auto_cleanup_live → HPF 100Hz → click removal → noise reduction 18dB → compression 5:1

You:  "Transcribe this interview and add labels"
AI:   Runs transcribe_to_labels → faster-whisper transcription → Audacity labels at each timestamp

You:  "Add reverb to the vocals, then export as FLAC"
AI:   select region → reverb effect → export to FLAC

Funktionen

144 Tools in 11 Kategorien

Pipelines

AudacityMCP enthält 9 Ein-Klick-Pipelines für häufige Audioaufgaben. Jede Pipeline ist darauf ausgelegt, sicher für schlecht aufgenommenes Audio zu sein – sie wird dein Audio niemals gefährlich verstärken. Pipelines bereinigen und verbessern dein Audio; danach kannst du die Lautstärke bei Bedarf manuell anpassen.

So funktionieren Pipelines

1. Du sagst der KI, was du möchtest (z. B. „diesen Podcast bereinigen“)

2. Die KI wählt die passende Pipeline aus und startet sie

3. Die Pipeline läuft im Hintergrund – du erhältst eine job_id zurück

4. Frage mit check_pipeline_status alle 15–30 Sekunden ab, um den Fortschritt zu überwachen

5. Wenn sie fertig ist, erscheint ein Popup in Audacity

Sicherheitsregel: Pipelines reduzieren Spitzen nur, wenn sie zu heiß sind. Sie erhöhen die Lautstärke nie. Wenn du ein bestimmtes LUFS-Ziel erreichen möchtest (z. B. -14 für Spotify), bitte die KI, loudness_normalize auszuführen, nachdem du überprüft hast, dass die Ergebnisse gut aussehen.

Pipeline-Referenz

auto_analyze_audio — Vor der Verarbeitung analysieren

Misst dein Audio und empfiehlt die beste Pipeline. Führe dies zuerst aus, wenn du nicht sicher bist, was du tun sollst.

You: "Analyze this audio"
→ Returns: peak level, noise floor, clipping status, recommended pipeline

auto_cleanup_audio — Nur sichere Bereinigung

Bereinigt Rauschen und Artefakte, ohne die Lautstärke zu verändern. Verwende es, wenn die Pegel bereits in Ordnung sind.

You: "Just clean up the noise, don't change the volume"
→ DC offset removal → HPF 80Hz → noise reduction → click removal (optional)

auto_cleanup_podcast — Podcast / Voiceover

Professionelle Broadcast-Verarbeitung für gesprochene Sprache.

You: "Clean up this podcast recording"
→ DC offset → HPF 80Hz → noise reduction 12dB → compression 3:1 → safe loudness check

auto_audiobook_mastering — Hörbuch (ACX/Audible)

Erfüllt die ACX-Anforderungen für die Verteilung von Hörbüchern.

You: "Master this for ACX / Audible"
→ DC offset → HPF 80Hz → noise reduction 12dB → compression 2.5:1 → safe loudness check → peak cap -3dB

auto_cleanup_interview — Interview / Dialog

Leichte Bearbeitung für Gespräche – erhält die natürliche Dynamik.

You: "Clean up this interview recording"
→ DC offset → HPF 80Hz → noise reduction 8dB → compression 2.5:1 → safe loudness check

auto_cleanup_vocal — Gesang / Studio-Gesang

Optimiert für Gesangsaufnahmen mit Präsenz-EQ für Klarheit.

You: "Process this vocal recording"
→ DC offset → HPF 100Hz → noise reduction 10dB → compression 3:1 → presence EQ (+3dB treble, -1dB bass) → safe loudness check

auto_cleanup_live — Live / Feld / laute Aufnahme

Aggressive Bereinigung für laute Umgebungen. Die ersten 0,5 s müssen Umgebungsgeräusch für die Profilerstellung sein.

You: "This is a noisy live recording, clean it up"
→ DC offset → HPF 100Hz → click removal → noise reduction 18dB → compression 5:1 → safe loudness check

auto_master_music — Musik-Mastering

Genre-optimiertes Mastering mit 6 Presets: edm, hiphop, rock, pop, classical, acoustic.

You: "Master this hip-hop track"
→ HPF 30Hz → click removal → compression 2:1 → bass +3dB treble +1dB → safe loudness check

You: "Master this for a classical album"
→ HPF 30Hz → click removal → compression 1.3:1 (very gentle) → no EQ → safe loudness check

auto_lofi_effect — Kreativ Lo-Fi / Vintage

Wende einen warmen, Vintage-Lo-Fi-Sound an. Presets: light, medium, heavy.

You: "Give this a lo-fi vibe"
→ HPF → LPF (muffled highs) → bass/treble warmth → compression 2:1 → safe loudness check

Nach einer Pipeline: Lautstärke anpassen

Pipelines lassen die Lautstärke absichtlich unverändert (sie reduzieren nur, wenn Spitzen übersteuern). Um ein Streaming-Ziel zu erreichen:

You: "Now normalize this to -14 LUFS for Spotify"
→ AI uses loudness_normalize tool with lufs_level=-14

You: "Normalize to -16 LUFS for podcast"
→ AI uses loudness_normalize tool with lufs_level=-16

Warum nicht automatisch? Die LUFS-Normalisierung kann leises/schlecht aufgenommenes Audio um 10–20 dB anheben, was es übersteuert. Durch die Trennung von Bereinigung und Lautstärke kannst du die Ergebnisse vor dem letzten Lautstärke-Schritt überprüfen.

Lokale Transkription (experimentell)

Diese Funktion ist experimentell und erfordert eine separate Einrichtung. Alles andere funktioniert ohne sie.

Unterstützt von faster-whisper – läuft vollständig offline, dein Audio verlässt nie deinen Rechner:

• 5 Modellgrößen: tiny, base, small, medium, large-v3

• Transkribiere vollständiges Audio oder nur eine Auswahl

• Exportiere als SRT-, VTT- oder Klartext-Untertitel

• Füge automatisch Audacity-Beschriftungen an jedem gesprochenen Segment hinzu

• Spracherkennung oder Angabe von 99+ Sprachen

Einrichtung vor der ersten Verwendung erforderlich: Siehe Transkriptions-Setup für Installationsschritte.

Möchtest du GPU-Beschleunigung (10–20x schneller)? Führe audacity-mcp-setup-gpu aus – oder lade setup_gpu.bat/setup_gpu.sh herunter und doppelklicke/führe es aus, wenn du kein Terminal verwenden möchtest. Erkennt deine GPU, installiert das Nötige und verifiziert, dass es tatsächlich funktioniert. Nur NVIDIA-GPUs (AMD/Intel-Grafik und macOS werden vom Transkriptions-Backend überhaupt nicht unterstützt – jede NVIDIA-Karte funktioniert, GeForce ist keine Voraussetzung, nur eine NVIDIA-GPU zu haben). Keine NVIDIA-GPU? CPU funktioniert gut, nur langsamer bei langen Dateien.

Das Skript sagt, es hat funktioniert, aber die Transkription ist immer noch langsam/auf CPU? Das bedeutet, dass Claude Desktop audacity-mcp aus einem anderen Python startet als dem, das das Skript gerade verifiziert hat – siehe die Lösung (eine manuelle Konfigurationsänderung, fünf Minuten).

Was ist neu – v0.1.3

32 neue Werkzeuge (99 → 131), Pipeline-Tuning-Fixes und live gegen Audacity getestet.

• Neue Effekte: Reverse, Invert, Repair, AutoDuck, NotchFilter, VocalReduction, AdjustableFade, StudioFadeOut, CrossfadeClips, CrossfadeTracks, ClipFix, SlidingStretch, Tremolo

• Neue Bearbeitung: Split (in place), SplitCut, SplitDelete, Disjoin + alte Split umbenannt → edit_split_new

• Neue Spuren: StereoToMono, MixAndRenderToNew, MuteAll, UnmuteAll, Resample, AlignEndToEnd, AddLabelTrack

• Neue Auswahl: CursorToTrackStart/End, CursorToProjectStart/End, SelectCursorToTrackEnd

• Neues Projekt: EditMetadata, ImportMIDI

• Neue Beschriftungen: RegularIntervalLabels

• Pipeline-Fixes: ACX-Spitzenbegrenzung -3,0→-3,5 dB, Live-NR 18→12 dB, Podcast-Kompression 10 ms/1 s→30 ms/200 ms, Interview-Release 1 s→200 ms

• Fehlerbehebung: effect_repair verwendet jetzt ein langes Timeout (Audacity zeigt Popup bei ungültiger Auswahl)

• Validierung: Fehlende Bereichsprüfungen für AutoDuck, VocalReduction, SlidingStretch, Resample hinzugefügt

Fehlerbehebung

mod-script-pipe nicht aktiviert

Der Installer aktiviert dies automatisch, aber wenn es nicht funktioniert hat (z. B. weil Audacity nie zuvor geöffnet wurde), aktiviere es manuell:

1. Öffne Audacity

2. Gehe zu Bearbeiten → Einstellungen (Windows/Linux) oder Audacity → Einstellungen (macOS)

3. Klicke in der linken Seitenleiste auf Module

4. Setze mod-script-pipe auf Aktiviert

5. Klicke auf OK und starte Audacity neu

Verbindungsprobleme

Pipeline-Probleme

Tipps zur Audioqualität

Allgemeine Probleme

Architektur

┌──────────────┐     stdio      ┌──────────────┐   named pipe   ┌──────────────┐
│  MCP Client  │◄──────────────►│ AudacityMCP  │◄──────────────►│   Audacity   │
│(AI assistant)│    (JSON-RPC)  │   FastMCP    │  (commands)    │              │
└──────────────┘                └──────────────┘                └──────────────┘
                                       │
                                       ├── audacity_mcp/main.py          (entry point)
                                       ├── audacity_mcp/audacity_client.py (pipe I/O)
                                       ├── audacity_mcp/tool_registry.py  (auto-loader)
                                       └── audacity_mcp/tools/            (11 modules)

Wichtige Designentscheidungen

• Benannte Pipes, nicht TCP — Direkte IPC zu Audacitys mod-script-pipe. Keine Netzwerkexposition, keine Portkonflikte.

• Null exec/eval — Jede Operation wird einem statischen Handler mit Eingabevalidierung zugeordnet. Keine willkürliche Codeausführung.

• Plattformübergreifend — Windows verwendet die Win32-API über ctypes, Unix verwendet standardmäßige Datei-E/A.

• Durchgängig asynchron — Alle Tool-Handler sind async. Blockierende Pipe-E/A läuft in einem Executor-Pool mit konfigurierbaren Timeouts.

• Sichere Pipelines — Pipelines messen Audio, bevor sie Lautstärkeentscheidungen treffen. Sie reduzieren nur, verstärken nie.

• Dynamische Tool-Registrierung — Legen Sie ein Modul in audacity_mcp/tools/ ab, exportieren Sie eine register(mcp)-Funktion, und es wird automatisch erkannt.

Projektstruktur

AudacityMCP/
├── audacity_mcp/
│   ├── main.py                 # FastMCP server entry point
│   ├── audacity_client.py      # Cross-platform named pipe client
│   ├── tool_registry.py        # Auto-discovers and registers tool modules
│   └── tools/
│       ├── analysis_tools.py   # Audio analysis (contrast, spectrum, beats)
│       ├── cleanup_tools.py    # Noise reduction, mastering, 9 pipelines
│       ├── edit_tools.py       # Cut, copy, paste, split, join, trim
│       ├── effects_tools.py    # Reverb, echo, pitch, EQ, filters
│       ├── generate_tools.py   # Tone, noise, chirp, DTMF generation
│       ├── label_tools.py      # Label management
│       ├── project_tools.py    # Project/file operations
│       ├── selection_tools.py  # Selection and cursor control
│       ├── track_tools.py      # Track management
│       ├── transcription_tools.py  # Whisper-based transcription
│       └── transport_tools.py  # Playback and recording control
├── audacity_mcp_shared/
│   ├── constants.py            # Pipe paths, timeouts, allowed formats
│   ├── error_codes.py          # Typed error codes (pipe/command/validation)
│   └── pipe_protocol.py        # Command formatting and response parsing
├── tests/                      # 60 tests
├── docs/
│   ├── INSTALLATION.md         # Detailed setup guide
│   └── TOOLS.md                # Complete tool reference
└── pyproject.toml

Entwicklung

# Install dev dependencies
pip install -e ".[dev]"

# Run tests
pytest tests/ -x -q

# Run lint (real bugs + security patterns, not style/formatting)
ruff check .

Neue Tools hinzufügen

1. Erstellen Sie ein Modul in audacity_mcp/tools/ (oder fügen Sie es zu einem bestehenden hinzu)

2. Exportieren Sie eine register(mcp: FastMCP)-Funktion

3. Definieren Sie Ihre Tools mit @mcp.tool()-Dekoratoren

4. Das war's – die Tool-Registrierung erkennt es beim Start automatisch.

# audacity_mcp/tools/my_tools.py
from mcp.server.fastmcp import FastMCP
from audacity_mcp_shared.error_codes import AudacityMCPError, ErrorCode


def register(mcp: FastMCP):
    from audacity_mcp.main import client

    @mcp.tool()
    async def my_custom_effect(intensity: float = 0.5) -> dict:
        """Apply my custom effect to the selected audio."""
        if not 0 <= intensity <= 1:
            raise AudacityMCPError(ErrorCode.VALUE_OUT_OF_RANGE, "intensity must be 0-1")
        return await client.execute_long("MyEffect", Intensity=intensity)

Siehe CONTRIBUTING.md für vollständige Richtlinien.

Community

Dieses Tool zu einem Werkzeug zu machen, das jeder Audacity-Benutzer nutzt, erfordert mehr als eine Person. Wenn Sie AudacityMCP verwenden – auch nur zum Ausprobieren – kommen Sie zum Discord: Teilen Sie, was Sie gebaut haben, melden Sie, was nicht funktioniert, schlagen Sie vor, was fehlt, oder treffen Sie einfach andere Leute, die KI-gesteuerte Audiobearbeitung betreiben. Communities wachsen, wenn eine Person der anderen erzählt, dass es das gibt. Wenn Sie also jemanden kennen, dem das nützlich sein könnte, schicken Sie ihm den Link.

Unterstützung

Wenn AudacityMCP Ihnen Zeit gespart oder bei Ihren Audioprojekten geholfen hat, erwägen Sie eine Förderung:

Ihre Unterstützung hilft, dieses Projekt zu pflegen und für alle kostenlos zu halten.

Dokumentation

• Installationsanleitung — Detaillierte Einrichtung für Windows, macOS, Linux

• Tool-Referenz — Vollständige Referenz für alle 144 Tools mit Parametern und Bereichen

• Transkriptbasierte Bearbeitung — Workflow-Anleitung für Podcasts, Interviews und Vorlesungen (labelgesteuerte Bearbeitung)

• Mitwirken — So fügen Sie Tools hinzu und tragen bei

• Changelog — Versionshistorie und Versionshinweise

Danksagungen

Dank an die folgenden Personen für gemeldete Fehler, Ideen und Feedback, die dieses Projekt verbessert haben:

• @Harsha-Jay-S — diagnostizierte den effect_change_pitch/effect_change_speed-Fehler (#15) mit gemessenen Beweisen gegen echtes Audacity und lokalisierte die genaue Ursache.

Lizenz

Apache-Lizenz 2.0 – siehe LICENSE für Details.

Erstellt von Daniel Hodgetts • 𝕏 @daehonz1