Prototyp · Vorschau: alle Server aus der offiziellen Registry, alle 30 Minuten synchronisiert. Mit Google anmelden, um Bewertungen zu schreiben.Prototyp · alle 30 Min. aktualisiert
PopNx MCPMCP-Server für alle, die KI nutzen · in einfachen Worten erklärt

Cochlea

von richer-richardVersion 0.7.0i★ 15iLäuft auf deinem ComputerRepository ↗
Name in der Registryio.github.richer-richard/cochlea-mcp

So installierst du es

What it does

Render, analyze, and verify audio (WAV/FLAC/mp3/ogg) offline and deterministically via MCP tools.

  • Connects Läuft auf deinem Computer
  • Account or key No key needed
  • Category Design, Bilder & Audio

Zusammen nutzen mit

Skills, die der KI diese Art Arbeit beibringen; sie funktionieren zusammen mit diesem

impeccable

The design vocabulary for your coding agent. Steer with polish and bolder, review with critique and audit, catch AI slop before it ships.

von pbakaus★ 112.5441 Skills

Skill · Anleitung

diagram-design

Editorial diagram design for Claude Code, Codex, GitHub Copilot, Cursor, Factory Droid, Qoder, and Pi. 45 diagram types. Self-contained HTML + SVG. No shadows. No Mermaid slop.

von cathrynlavery★ 68.0691 Skills

Skill · Anleitung

frontend-slides

Create beautiful slides on the web using a coding agent's frontend skills

von zarazhangrui★ 32.5141 Skills

Skill · Anleitung

Warum es hier steht

Listen sind nach einem Nutzungswert (von 100) aus diesen Teilen sortiert

Beliebtheit14/80GitHub-Sterne oder wöchentliche Downloads: der größere Wert zählt 60, der kleinere 20
Aktualität7/12Volle Punkte für Release oder Codeänderung in 30 Tagen
Antwortet noch0/8Der Cloud-Endpoint antwortete bei der letzten Prüfung
Nutzungswert22/100

Qualität: 3/3 Basisprüfungen bestanden (angezeigt, nicht zur Sortierung) · Schwung: Noch keine Daten (Nur im Tab Im Trend verwendet)

Installation

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

3/3 Prüfungen bestanden · Läuft auf deinem Computer

Zuerst: Welche KI nutzt du?

Wähle deine App, dann erscheinen die Schritte unten.

Klappt mit Claude, aber erst etwas vorbereiten

Kein Schlüssel, nichts zu installieren · Nur in der Claude-App für den Computer (Windows oder Mac), nicht im Web oder auf dem Handy

  1. Installationsdatei des Anbieters herunterladen

    Die .mcpb-Datei des Entwicklers herunterladen

    Die .mcpb-Datei kommt direkt vom Anbieter; wir ändern sie nicht

  2. Datei doppelklicken, dann in der Claude-Desktop-App Install klicken

  3. Ausprobieren

    Nutze Cochlea und sag mir, was du für mich tun kannst; zeig mir dann eine Sache

    ✓ Wenn Claude sagt, dass es Cochlea nutzt, oder ein Werkzeug von Cochlea in der Antwort zeigt, bist du verbunden

Menünamen am 11. Nov. 2026 mit der Hilfe von Anthropic abgeglichen · dein Bildschirm kann je nach App-Version leicht abweichen

ChatGPT kann Cochlea noch nicht verbinden

Cochlea läuft auf deinem Computer, aber ChatGPT verbindet nur Server, die im Web laufen

Das kannst du stattdessen tun

A · Eine App nutzen, die Cochlea verbinden kann

  • Kein Schlüssel, nichts zu installieren · Nur in der Claude-App für den Computer (Windows oder Mac), nicht im Web oder auf dem Handy

B · Andere in Design, Bilder & Audio, die mit ChatGPT funktionieren

Aus den meistgenutzten derselben Kategorie, nur solche, die per Adresse ohne Schlüssel verbinden

Claude Code kann Cochlea noch nicht verbinden

Der Anbieter liefert nur ein Installationspaket für die Claude-Desktop-App

Das kannst du stattdessen tun

A · Eine App nutzen, die Cochlea verbinden kann

  • Kein Schlüssel, nichts zu installieren · Nur in der Claude-App für den Computer (Windows oder Mac), nicht im Web oder auf dem Handy

Cursor kann Cochlea noch nicht verbinden

Der Anbieter liefert nur ein Installationspaket für die Claude-Desktop-App

Das kannst du stattdessen tun

A · Eine App nutzen, die Cochlea verbinden kann

  • Kein Schlüssel, nichts zu installieren · Nur in der Claude-App für den Computer (Windows oder Mac), nicht im Web oder auf dem Handy

VS Code kann Cochlea noch nicht verbinden

Der Anbieter liefert nur ein Installationspaket für die Claude-Desktop-App

Das kannst du stattdessen tun

A · Eine App nutzen, die Cochlea verbinden kann

  • Kein Schlüssel, nichts zu installieren · Nur in der Claude-App für den Computer (Windows oder Mac), nicht im Web oder auf dem Handy

Andere Apps mit MCP, etwa Windsurf, Zed oder Gemini CLI, fügen Server unterschiedlich hinzu. Sieh in der App-Liste nach

Alle Apps mit MCP ansehen →

JSON-Einstellungen stehen unten unter „Für Entwickler“

Hängst du fest? Frag Leute, die Cochlea nutzen💬 Diskussion →

Auf einen Blick

Downloads pro Wochei
Nicht auf npm/PyPI
Lizenzi
Apache-2.0
Verbindung
Läuft auf deinem Computer
Neueste Versioni
0.7.0
In der Registry veröffentlichti
13. Aug. 2026
Code zuletzt geänderti
19. Sept. 2026
Entwickler
richer-richard
Pakete
mcpb: …/cochlea-mcp.mcpb
Registry-Status
Aktiv

Welche Apps ihn nutzen können

Basierend darauf, wie sich dieser Server verbindet, und auf der eigenen Doku jeder App, geprüft am 10. Nov. 2026.

Laufen auf deinem Computer in

ClaudeGooseLM StudioMsty StudioCherry StudioVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast

Alle Apps, mit Vor- und Nachteilen →

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 19. Nov. 2026

  • ✓ Bestanden

    Entwickler passt zum Repo

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

  • ✓ Bestanden

    Wird noch gepflegt

    Code zuletzt geändert: vor 2 Monaten

  • ✓ Bestanden

    Hat eine Lizenz

    Nutzt Apache-2.0

  • – 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

Veröffentlichte Schwachstellen (OSV.dev)

Nicht geprüft: nur npm- und PyPI-Pakete mit Version lassen sich prüfen

Was wir prüfen → · JSON

Entwickler: neue Prüfung anfordern oder falsche Angaben melden
Für Anbieter: Badge ins README

Wenn du das gebaut hast, füge diesen Code in dein README ein. Das Badge verlinkt auf diese Seite.

[![Featured on PopNx MCP](https://mcp.popnx.com/badge/richer-richard-cochlea-mcp.svg)](https://mcp.popnx.com/en/servers/richer-richard-cochlea-mcp)

Diskussion

Fragen, Tipps teilen oder melden, dass etwas nicht geht. Sortiert nach „hilfreich“.

Noch keine Beiträge. Stell die erste Frage oder teile einen Tipp.

Beiträge hier stammen von Nutzern, nicht vom PopNx-Team.

Anmelden, um zu posten

Nutzerbewertungen

Noch keine Bewertungen

Anmelden, um eine Bewertung zu schreiben

Im Vergleich mit anderen in Design, Bilder & Audioi

  • Mehr Sterne als 94 % der anderen 3261 Server in dieser Kategorie
  • Neuer in der Registry veröffentlicht als 18 % der anderen 3261 Server in dieser Kategorie
  • Basischecks gleich gut wie oder besser als bei 99 % der anderen 3261 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 Cochlea sicher?

Er hat 3 von 3 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 vor 2 Monaten geändert, und die neueste Version (0.7.0) 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 MCPB auf deinem Computer.

Was kann ich stattdessen nutzen?

In derselben Kategorie: HyperFrames by HeyGen, Pascal 3D Editor, draw.io, Figma MCP Server, Remocn: Remotion MCP server

Ähnliche Alternativen

Gleiche Kategorie, andere Entwickler, Befehle bereits geprüft. Offizielle zuerst, dann nach Sternen.

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

HyperFrames by HeyGen

Official HyperFrames by HeyGen: the best AI video editor in chat. Captions, motion graphics, MP4.

von heygen-comWeit verbreitet★ 86.388 Sterne des ganzen ReposAktualisiert gestern

Läuft in der Cloud✓ heygen.com

Pascal 3D Editor

Create, inspect, validate, and save editable 3D building scenes with Pascal's MCP server.

von pascalorgWeit verbreitet↓ 1037/Wo.★ 25.603 Sterne des ganzen ReposAktualisiert gestern

Computer oder Cloud✓ vom Dienst · pascal.app

draw.io

Create draw.io diagrams in chat from Mermaid or XML, shown live and interactive. 10,000+ shapes.

von jgraphWeit verbreitet★ 5848Aktualisiert vorgestern

Läuft in der Cloud✓ vom Dienst · draw.ioVom PopNx-Team ausprobiert

Figma MCP Server

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

von figmaWeit verbreitet★ 2207Aktualisiert vor 13 Monaten

Läuft in der Cloud✓ vom Dienst · mcp.figma.com

Remocn: Remotion MCP server

Hosted MCP for Remotion videos: search Remocn components, read docs, plan a video, preview it.

von RemocnWachsend★ 1796Aktualisiert vor 9 Tagen

Läuft in der Cloud✓ vom Dienst · remocn.dev
Im Vergleich mit ähnlichen
Dieser
Cochlea
HyperFrames by HeyGenPascal 3D Editordraw.ioFigma MCP ServerRemocn: Remotion MCP server
Läuft woWird auf deinem Rechner installiertLäuft in der Cloud, keine InstallationIn der Cloud oder auf deinem RechnerLäuft in der Cloud, keine InstallationLäuft in der Cloud, keine InstallationLäuft in der Cloud, keine Installation
Braucht SchlüsselNeinNeinNeinNeinNeinNein
Mit + in Claude hinzufügenNeinJaNeinNeinJaNein
Basisprüfungen3/34/45/54/44/44/4
LizenzApache-2.0Apache-2.0MITApache-2.0–MIT
PreisKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im RegisterKeine Kosten im Register

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.

cochlea

A headless audio engine for agents. Write a score as data, render it offline to deterministic PCM, then *listen through numbers* — loudness, onsets, pitch, key, spectrograms — and assert what you heard. Compose → render → probe → verify, with no human ear (and no audio device) in the loop.

*What the agent sees: the mel spectrogram of examples/scores/first_light.ron — the score used in the example below — after render and probe. No PCM in sight.*

use cochlea_score::*;

let score = Score::new(SampleRate(48_000), Ppq(960)) .time_signature(4, 4) .tempo(Ticks(0), Bpm(120.0)) .track("lead", Instrument::preset("saw_lead")) .note("lead", bar(1).beat(1), Dur::quarter(), Pitch::A4, Vel(96)) .automate("lead", Param::CUTOFF_HZ, keys![(bar(1), 400.0, ease_in_out()), (bar(3), 4_000.0)]);

let rendered = cochlea_render::render(&score)?; rendered.write_wav("mix.wav")?;

use cochlea_verify::{VerifyExt, Tol, Ms, Cents, Db}; let report = rendered.verify(&score) .true_peak_below(-1.0) .pitch_matches_score("lead", Cents(10.0)) .monotone("lead", Param::CUTOFF_HZ, bar(1)..bar(3)) .silent_after(bar(5)) .run(); assert!(report.passed);

Or entirely from the command line, score as RON:

cochlea render score.ron --out mix.wav --stems stems/ --verify

cochlea probe input.wav --json report.json --spectro spec.png cochlea probe input.wav --digest --window-ms 500 cochlea probe input.mp3 --from 42.0 --to 44.5 # zoom into a window, any format cochlea diff a.wav b.wav --tier2 --spectro delta.png cochlea lint score.ron cochlea spectro input.wav --out spec.png --annotate # draw beats/onsets/pitch on the image cochlea import song.mid --out score.ron # SMF -> score, timing exact cochlea transcribe solo.wav --out score.ron # audio -> score, the inverse of render cochlea reference # the full score-authoring reference, generated from the live preset bank

cochlea probe works on any WAV, plus FLAC (decoded bit-exact), mp3, and ogg — still without ffmpeg, and with no score required. That's the front door: point it at audio you didn't render, and you get the same JSON report and spectrogram an agent uses to review its own work.

How an agent listens

compose → render → probe (JSON) → spectrogram (one vision call) → verify

  1. compose a score as data (RON, or the Rust builder above).
  2. render it to deterministic PCM — cochlea render score.ron --out mix.wav.
  3. probe the mix into a compact JSON report (loudness, onsets, pitch, key, silence, clipping) — cochlea probe mix.wav --json report.json. No image, no audio: the agent reads numbers.
  4. look, when numbers aren't enough — cochlea spectro mix.wav --out spec.png renders one small PNG the agent reviews in a single vision call instead of reasoning about raw samples.
  5. verify — cochlea render score.ron --verify runs the score's embedded assertions and exits nonzero on failure. An agent can retry on its own, without a human confirming "yes, that sounds right."

When something in the middle of a long file needs a closer listen, every read tool takes --from/--to. Probe just bars 17–19, or draw a spectrogram of just the drop. The cut is frame-exact, report times are relative to it, and source.start_ms records where it came from. That turns the whole stack into a zoom lens instead of a whole-file-only report.

The economics are the point here, not an afterthought. The first_light render above is 7 seconds of 48 kHz 32-bit-float PCM, which is 2.7 MB. A 3-minute piece at the same settings runs about 66 MB. You would not hand that to an agent as text, and reading it sample by sample is worse.

Its probe report is a few KB of JSON instead. Here is schema v5, trimmed to the interesting fields. Note pitch.melody: the piece's bass line and melody read back as *note events*, which is the read-back half of the compose loop.

{

"schema_version": 5, "source": { "sample_rate": 48000, "channels": 2, "duration_ms": 7035.708333333333, "start_ms": 0.0 }, "loudness": { "integrated_lufs": -22.700454879284784, "true_peak_dbtp": -15.910817022082783, "lra": 10.607660373688798 }, "onsets": { "count": 6, "times_ms": [1077.33, 2149.33, 2346.67, 3221.33, 4538.67, 5034.67] }, "pitch": { "voiced_ratio": 0.9847560975609756, "median_f0_hz": 110.00194603797897, "melody": [ { "name": "A2", "start_ms": 0.0, "end_ms": 1045.3, "cents_off": 0.1 }, { "name": "E2", "start_ms": 1077.3, "end_ms": 2112.0, "cents_off": 0.3 }, { "name": "F#2", "start_ms": 2154.7, "end_ms": 3178.7, "cents_off": 0.2 }, { "name": "E2", "start_ms": 3210.7, "end_ms": 4384.0, "cents_off": 0.3 }, { "name": "E5", "start_ms": 4394.7, "end_ms": 5813.3, "cents_off": -0.4 } ] }, "timbre": { "mfcc_mean": [-37.64, 14.47, -4.44, 1.24, "..."], "mfcc_std": ["..."], "frames": 656 }, "key": { "tonic": "E", "mode": "major", "confidence": 0.8093960265638273 }, "tempo": { "bpm": 55.97014925373134, "confidence": 0.6633739386089712, "stability": 0.3333333333333333, "candidates": [ { "bpm": 55.97014925373134, "salience": 0.6633739386089712 }, { "bpm": 112.5, "salience": 0.21588204941945222 } ] }, "rhythm": { "grid_alignment": 0.8333333333333334, "grid": "straight", "offbeat_ratio": 0.4, "clear_rhythm": true }, "stereo": { "width": 0.02967719705208343, "correlation": 0.9981362354107913, "balance": -0.0016380539212361243 }, "structure": { "section_count": 1, "confidence": 0.0 }, "silence": { "trailing_ms": 2485.708333333333 }, "clipping": { "clipped_samples": 0, "true_peak_over_0dbtp": false } }

And the spectrogram is one small image. Here's the title_cue demo — a pad whose cutoff_hz automation sweeps 250 Hz → 5000 Hz across bars 1–3:

*The dark band at the top of the frame narrows as the sweep runs, letting more high-frequency energy through over time. An agent reads that straight off the image. The demo's Monotone(track: "pad", param: "cutoff_hz", ...) assertion checks the same thing numerically.*

To get a whole piece in one image no matter how long it is, --sheet tiles the spectrogram into a contact sheet instead of one long strip. Two bars per tile here, via --bars-per-tile 2:

Reading audio without a context window

probe --digest skips JSON and prints a deterministic text summary instead: one line per feature dimension, then a windowed timeline capped at about 40 rows. Here's real output for the drum_groove demo — 20.8 seconds and four tracks, with the rhythm, stereo, and structure dimensions all in one screenful:

cochlea digest: 20.755s  2ch  48000Hz

loudness: integrated=-24.06 momentary_max=-22.42 true_peak=-5.95 lra=1.61 key: A# minor (conf 0.54) pitch: voiced=23% median=63.8Hz (C2 -42.8c) melody: 6 notes C2 C2 C2 C2 A1 A1 tempo: 110.3bpm (conf 0.79, stability 1.00) alts: 54.9bpm(0.89), 36.6bpm(0.79) rhythm: clear=true grid_align=0.98 (straight) offbeat=0.56 stereo: width=0.07 corr=0.99 bal=-0.01 structure: 1 section onsets: count=58 rate=2.79/s silence: leading=0ms trailing=2545ms clipping: clipped=0 over_0dbtp=false timeline: window=1000ms bucket=1x rows=21 idx t(s) rms peak ons f0 flags 0 0.000-1.000 -25.55 -7.36 4 64.0 - 1 1.000-2.000 -25.61 -8.37 3 63.4 - ...

Tempo and rhythm are reported as *separate axes*, because they change independently. A drum solo can hold a rock-steady pulse while its pattern turns unrecognizable, and that difference is exactly what an agent needs to see.

Here the tempo reads 110.3 BPM, matching the authored 110, and stability 1.00 says the speed never moves across the piece. The alts list surfaces the genuine half-tempo reading at 54.9 BPM — which is actually the stronger raw peak, with the octave prior breaking the tie toward the beat. Metrical ambiguity like that is data an agent can weigh, rather than a coin flip hidden inside the detector.

The rhythm line then says how the *hits* relate to that pulse: 98% of onsets sit on the beat-subdivision grid and 56% land on off-beat subdivisions, so clear=true. That's an eighth-note hat groove, with its syncopation reported as a number.

Under the pre-0.2.0 metric this same groove read clear_rhythm=false at confidence 0.01. Layering hats, kick, snare, and pad across three metrical levels diluted every lag's share of a mass-fraction score. The grid-based rule asks the right question instead.

The (straight) tag is the grid *hypothesis test*: alignment is measured against both straight sixteenths and eighth-note triplets, and the report carries whichever more hits land on. A shuffle or swing take reads grid_align=1.00 (triplet) — recognized as an aligned triplet rhythm — instead of being force-fit to sixteenths and scored sloppy.

cochlea diff compares two files in feature space instead of byte-for-byte — "did my change do what I meant," not "is the file bitwise equal." Real output diffing first_light.wav against title_cue.wav:

verdict: different (duration, loudness, onsets, key)

duration a->b +1264.3 ms loudness integrated -5.95 LU true_peak +5.70 dB lra -8.88 LU onsets matched=0 mean_offset=- max_offset=- unmatched_a=6 unmatched_b=5 pitch delta +0.5 cents key a=E major (conf 0.81) b=A minor (conf 0.86) changed=true segments max_abs_rms_delta 120.99 dB at idx=7 tempo bpm -24.01 bpm stability -0.33 rhythm clear_rhythm_changed=false grid_align -0.03 grid_changed=true timbre mfcc_distance 4.00 stereo width +0.14 correlation -0.08 balance -0.01 structure section_count +0

The timbre row is an MFCC spectral-shape distance, with c0 excluded since that's just loudness. The same instrument re-rendered measures around 0, while swapping a sine for a saw at matched loudness measures well above it. It's the "did the re-render keep the instrument's character" axis, which loudness and pitch can't see.

Add --spectro delta.png and the diff also renders a signed difference heat map: red where B is louder, blue where it's quieter, black where nothing changed. A moved onset shows up as a blue/red vertical pair, and a brightened sweep as a red wedge. What changed becomes visible structure, not just a number.

Diff a render against itself, or a re-render of the same score, and the verdict reads byte-identical instead — the determinism contract above, checked from the outside. --tier2 turns that verdict into a gate: exit 0 for byte-identical or Tier-2-equivalent, exit 1 otherwise, so a CI job or an agent can catch a regression without ever reading a raw sample.

Agents as MCP clients

cochlea-mcp is a stdio MCP server built on the same libraries the CLI uses. It exposes twelve tools — render_score, probe_audio, spectrogram, lint_score, probe_digest, loudness_timeline, `bea

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