Prototyp · Vorschau: alle Server aus der offiziellen Registry, alle 30 Minuten synchronisiert. Bewertungen und Benutzerkonten folgen in einem späteren Schritt.
PopNx MCPMCP-Server für alle, die KI nutzen · in einfachen Worten erklärt

Audiolla

von psyb0tVersion 1.1.7i★ –iLäuft auf deinem Computer
Name in der Registryio.github.psyb0t/audiolla

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

Self-hosted MCP server: audio stems, mastering, MIR analysis, DSP, MIDI, speech tools.

Die drei Säulen von PopNx MCP

Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.

Was du damit machen kannst

Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.

  • Verbindung: Läuft auf deinem Computer
  • Transport: Streamable HTTP
  • Kategorie: Design, Bilder & Audio

Installation

Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.

Bevor du installierst

  • Basischecks: 1 von 1 bestanden
  • Läuft auf deinem Computer mit den Rechten deines Benutzerkontos (Dateien, Netzwerk, Apps).
  • Die Registry nennt keinen Schlüssel zum Eintragen.

Du brauchst

Welche App nutzt du?

Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.

Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein

{
  "mcpServers": {
    "audiolla": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "docker.io/psyb0t/audiolla:v1.1.7"
      ]
    }
  }
}

Führe das in deinem Terminal aus

claude mcp add audiolla -- docker run -i --rm docker.io/psyb0t/audiolla:v1.1.7

In Cursor öffnen

Oder kopier die Einstellungen selbst

In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen

{
  "mcpServers": {
    "audiolla": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "docker.io/psyb0t/audiolla:v1.1.7"
      ]
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

In VS Code öffnen

Oder kopier die Einstellungen selbst

In .vscode/mcp.json in deinem Projekt einfügen

{
  "servers": {
    "audiolla": {
      "type": "stdio",
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "docker.io/psyb0t/audiolla:v1.1.7"
      ]
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.

Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.

Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.

Was er kann

Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.

Basischecksi

Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 6. Nov. 2026

  • ✓ Bestanden

    Entwickler passt zum Repo

    Der Registry-Name wurde mit dem GitHub-Konto psyb0t bestätigt, dem das Repo gehört

  • … Noch nicht geprüft

    Wird noch gepflegt

    Dieses Repo haben wir noch nicht von GitHub gelesen

  • … Noch nicht geprüft

    Hat eine Lizenz

    Dieses Repo haben wir noch nicht von GitHub gelesen

  • – Nicht zutreffend

    Endpunkt antwortet

    Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet

  • – Nicht zutreffend

    Anmeldung mit OAuth

    Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen

  • … Noch nicht geprüft

    Keine versteckten Anweisungen in Tool-Beschreibungen

    Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen

Im Vergleich mit anderen in Design, Bilder & Audioi

  • Mehr Sterne als 0 % der anderen 2175 Server in dieser Kategorie
  • Neuer in der Registry veröffentlicht als 20 % der anderen 2175 Server in dieser Kategorie
  • Basischecks gleich gut wie oder besser als bei 100 % der anderen 2175 Server in dieser Kategorie

Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.

Häufige Fragen

Ist Audiolla sicher?

Er hat 1 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.

Welche Schlüssel oder Codes braucht er?

Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.

Läuft er auf meinem Computer oder in der Cloud?

Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).

Wird er noch gepflegt?

Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (1.1.7) kam vor 3 Monaten in die Registry.

Welche Apps können ihn nutzen?

Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Docker auf deinem Computer.

Was kann ich stattdessen nutzen?

In derselben Kategorie: Figma Context MCP, Claude Real Video, Figma MCP Server

Alternativen

Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.

So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti

Give your coding agent access to your Figma data. Implement designs in any framework in one-shot.

Läuft auf deinem Computer★ 16.165MITAktualisiert vor 5 Monaten
Installieren

Claude Real Video

von HUANGCHIHHUNGLeo

Let any LLM watch a video locally — and search everything it has ever watched.

Läuft auf deinem Computer★ 2.284MITAktualisiert vor 2 Monaten
Installieren

The Figma MCP server brings Figma design context directly into your AI workflow.

Läuft in der Cloud★ 2.152Aktualisiert vor 13 Monaten
Installieren

README vom Entwickler

README öffnen

Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.

audiolla

Thirty audio engines. One port. Zero cloud. Fire-and-forget async jobs. Webhooks.

You needed Demucs for stems. Then librosa for BPM and key. Then basic-pitch for MIDI transcription. Then pyannote for speaker diarization. Then DeepFilterNet for speech enhancement. Then you spent three days debugging Python version conflicts and now you hate everything.

audiolla is what happens when you stop doing that.

Every audio processing tool worth using — wrapped in one HTTP API, running in one Docker container. POST a file. Get audio, JSON, or MIDI back. Drive it from curl, shell scripts, Python notebooks, Makefiles, or point an LLM agent at the MCP endpoint and let it rip.

No account. No subscription. No per-minute billing. No vendor lock-in. docker run and you're done.


What's in the box

🎛️ Stem separationDemucs — htdemucs, fine-tuned, 6-stem, MDX variants
🎚️ MasteringReference mastering (matchering) + custom pedalboard chains
📊 AnalysisBPM · key · LUFS · beats · onsets · melody · structural segments
🎹 Chords + keyChord detection + Krumhansl-Schmuckler key estimation
🎵 Audio → MIDIPolyphonic transcription via Spotify's basic-pitch (ONNX, no TF)
🧹 RestorationDe-reverb · de-echo · de-noise via UVR BS-Roformer + MelBand Roformer
🗣️ SpeechEnhancement (DeepFilterNet) · VAD (silero-vad) · diarization (pyannote)
🖼️ VisualsSpectrogram + waveform PNGs + 8-mode animated MP4/WebM
🔍 FingerprintChromaprint acoustic fingerprinting (AcoustID-compatible)
✂️ SilenceDetect gaps · trim edges · strip all silence
🎼 MIDI pipelineCompose from JSON · inspect · transform · render via fluidsynth
🎸 Effects23-effect pedalboard chain — Compressor, Reverb, PitchShift, filters…
🔧 TransformsSox DSP — pitch, tempo, EQ, reverb, gain
📢 LoudnessMeasure LUFS · normalize to target
🥁 HPSSHarmonic/percussive source separation via librosa median filter
🔇 Noise reductionSpectral noise reduction via noisereduce — stationary + adaptive modes
⏩ Time-stretchIndependent tempo factor + pitch shift via librosa phase vocoder
🏷️ Audio taggingTop-K AudioSet class labels via Audio Spectrogram Transformer
🔗 Audio embeddings512-dim semantic embeddings via LAION CLAP + optional text similarity
🏷️ Zero-shot classifyCLAP cosine similarity against any free-form text labels — genres, moods, instruments
📋 Audio infoffprobe metadata — duration, sample rate, channels, codec, bit depth
✂️ TrimCut a clip by start/end seconds — any format in, any format out
🎚️ MixCombine N staged tracks with per-track gain_db — pure ffmpeg, no model
🔗 ConcatStitch N audio files end-to-end in order
⏩ SpeedChange playback speed without pitch shift (0.1× – 10×) via ffmpeg atempo
🔄 ConvertRe-encode: format, sample rate, channel count in one call
🔍 SimilarCosine similarity between two audio files via CLAP embeddings
🎹 MIDI quantizeSnap MIDI note timings to a rhythmic grid (16th, 8th, quarter…)
🌅 FadeFade-in and/or fade-out with 13 curve shapes
⏪ ReverseFlip audio backwards
🔁 LoopRepeat audio N times
🎯 BPM matchAuto-detect BPM then stretch to a target — no manual math
📈 Loudness curveRMS envelope over time — time-stamped dB values for gain automation
🎤 Pitch correctAuto-tune toward nearest chromatic semitone — configurable strength
🔧 RepairDeclip + dehum — fix clipped peaks and remove power-line hum
🔁 Loop pointFind best seamless loop boundary — score, bar count, candidates list
🥁 Drum machineStep-sequencer spec → GM drum MIDI — 16-step pattern, swing, tempo
🎼 Chords to MIDIChord progression → MIDI file — root+3rd+5th voicings per segment
↔️ Stereo widthWiden or collapse the stereo image via M/S processing
✂️ SplitSplit into N equal parts or on silence — returns ZIP of segments
🔊 PanPosition audio in the stereo field (-1 left → 0 center → 1 right)
🎚️ EQParametric EQ — JSON array of freq/gain_db/width_hz bands
🎵 Key matchDetect source key then pitch-shift to a target key
🎙️ Sidechain duckDuck music when a trigger track (voice) is loud
🏷️ MetadataRead and write ID3/Vorbis/FLAC/WAV audio tags via mutagen
🔴 Clip detectDetect digital clipping — count, ratio, peak dBFS
↔️ Mid/SideEncode L/R → Mid+Side or decode Mid+Side → L/R
✂️ Beat sliceSlice audio at detected beat positions — returns ZIP of segments
🏟️ Conv reverbConvolution reverb via impulse response — wet_mix control
🥁 Transient shaperAttack/sustain dual-compressor — punch up drums, cut room tail
🎚️ Multiband compressN-band compressor with zero-phase LR4 crossovers — mastering-grade dynamics
🎛️ DJ prepOne call: BPM + key + Camelot wheel position + integrated LUFS
📦 BatchRun trim/convert/fade/reverse/speed/eq on staged files in sequence
🧩 Presets + pipelineCurated YAML workflows (master-for-spotify, podcast-cleanup, …) + ad-hoc op chaining server-side
🗂️ CatalogGET /v1/catalog — machine-readable endpoint list grouped by category for discovery
⚡ Async jobsEvery endpoint supports async_job=true — fire-and-forget + webhook callbacks

Table of Contents

  • Run it
  • Quick start
  • What it can do
  • Split stems
  • Master
  • Analyze
  • Beats, onsets, melody, segments
  • Silence detection and trimming
  • Visualize (spectrogram, waveform, video)
  • Acoustic fingerprint
  • De-reverb, de-echo, de-noise
  • Audio-to-MIDI transcription
  • Neural speech and vocal enhancement
  • Chord and key detection
  • Voice activity detection
  • Speaker diarization
  • Transform
  • Loudness measurement
  • Loudness curve
  • Loudness normalization
  • HPSS (harmonic/percussive split)
  • Spectral noise reduction
  • Time-stretch and pitch-shift
  • Pitch correct
  • Repair
  • Audio tagging
  • Audio embeddings
  • Zero-shot classification
  • Audio info
  • Trim
  • Mix
  • Concat
  • Speed
  • Convert
  • Similar
  • MIDI quantize
  • Fade
  • Reverse
  • Loop
  • BPM match
  • Stereo width
  • Split
  • Pan
  • EQ
  • Key match
  • Sidechain duck
  • Effects chain
  • Loop point
  • Compose MIDI
  • Inspect MIDI
  • Transform MIDI
  • Render MIDI to audio
  • Generate music from a spec
  • Drum pattern
  • Chords to MIDI
  • Audio metadata tags
  • Clip detection
  • Mid/Side encode and decode
  • Beat slice
  • Convolution reverb
  • Transient shaper
  • Multiband compression
  • DJ prep
  • De-ess
  • Stereo field analysis
  • Audio thumbnail
  • MIDI humanize
  • Batch operations
  • Async jobs and webhooks
  • Stage files
  • Remote URLs
  • Engines
  • Workflows — presets + pipeline
  • API catalog
  • Endpoints
  • MCP
  • Agent integrations
  • Configuration
  • What's not in here
  • Build & dev
  • Supply chain
  • License

Run it

# no GPU

docker run --rm -it \ -v $HOME/.audiolla-data:/data \ -p 8000:8000 \ psyb0t/audiolla:latest

GPU

docker run --rm -it --gpus all \ -v $HOME/.audiolla-data:/data \ -e AUDIOLLA_DEVICE=cuda \ -p 8000:8000 \ psyb0t/audiolla:latest-cuda

Demucs weights prefetch at container startup (for whichever variants are enabled) and cache in /data/torch_cache/. First boot downloads them; same -v mount next time and they're already there. Other engines (matchering, pedalboard, librosa, sox, fx, midi) have no weights — they're ready as soon as /healthz is green.


Migration from v0.23.x → v1.0.0

v1.0.0 is a breaking API release. Every existing client breaks. The new shape:

  • Every audio endpoint takes a JSON body (no more multipart/form-data except at /v1/files)
  • Input is `file_path` (FILES_DIR-relative) xor `file_url` (server-side fetch). Pre-stage the file via PUT /v1/files/{path} first.
  • Output requires `output_path` xor `output_url`. No more raw audio bytes in responses.
  • Async path: async_job=true auto-stages to jobs/{id}.{ext} if neither output is given.
  • MCP audio-producing tools dropped audio_base64 (and midi_base64 / image_base64 / video_base64). Same output_path xor output_url requirement.
  • openapi.yaml is now the contract — Pydantic models regenerate from it via make generate. Never hand-edit src/audiolla/schema/_generated.py.
- curl -X POST http://localhost:8000/v1/audio/normalize \
  • -F "file=@track.wav" -F "target_lufs=-14" -o normalized.wav
  • # 1) stage the file (multipart only lives here now)
  • curl -X PUT --data-binary @track.wav \
  • -H 'Content-Type: application/octet-stream' \
  • http://localhost:8000/v1/files/uploads/track.wav
  • # 2) process via JSON body — response is JSON, not bytes
  • curl -X POST http://localhost:8000/v1/audio/normalize \
  • -H 'Content-Type: application/json' \
  • -d '{"file_path":"uploads/track.wav","target_lufs":-14,"output_path":"out/normalized.wav"}'
  • # 3) retrieve the result
  • curl -o normalized.wav http://localhost:8000/v1/files/out/normalized.wav

Why? See the v1.0.0 CHANGELOG entry for the full rationale.

Quick start

Once the container is up, this is a complete audio pipeline in six commands (every audio endpoint is JSON-body now; stage your input file at /v1/files/... first):

# stage your input file

curl -X PUT --data-binary @song.wav \ -H 'Content-Type: application/octet-stream' \ http://localhost:8000/v1/files/uploads/song.wav

rip the vocals out of a track

curl -X POST http://localhost:8000/

Nur der Anfang wird gezeigt; den Rest findest du im Repo

PopNx fragen