Prototipo · Versión preliminar: todos los servidores del registro oficial, sincronizados cada 30 minutos. Inicia sesión con Google para escribir reseñas.Prototipo · se actualiza cada 30 min
PopNx MCPServidores MCP para quienes usan IA · en palabras sencillas

Cochlea

de richer-richardversión 0.7.0i★ 15iSe ejecuta en tu computadoraRepositorio ↗
Nombre en el registroio.github.richer-richard/cochlea-mcp

Cómo instalar

What it does

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

  • Connects Se ejecuta en tu computadora
  • Account or key No key needed
  • Category Diseño, imágenes y audio

Úsalo junto con

Skills que enseñan a la IA este tipo de trabajo; funcionan junto a este

impeccable

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

de pbakaus★ 112.5441 skills

Skill · Guía de trabajo

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.

de cathrynlavery★ 68.0691 skills

Skill · Guía de trabajo

frontend-slides

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

de zarazhangrui★ 32.5141 skills

Skill · Guía de trabajo

Por qué está en este puesto

Las listas se ordenan por una puntuación de uso (sobre 100) con estas partes

Popularidad14/80Estrellas de GitHub o descargas semanales: la mayor cuenta 60, la menor 20
Actualidad7/12Puntuación completa con una versión o cambio de código en 30 días
Sigue respondiendo0/8El endpoint en la nube respondió en la última revisión
Puntuación de uso22/100

Calidad: Pasó 3/3 revisiones básicas (se muestra, no ordena) · Impulso: Sin datos aún (Solo se usa en la pestaña En auge)

Instalación

Elige la app de IA que usas y copia la configuración.

Pasó 3/3 revisiones · Funciona en tu computadora

Primero: ¿qué IA usas?

Elige tu app y los pasos aparecen abajo.

Funciona con Claude, pero hay que preparar algo antes

Sin clave y sin instalar nada · Solo en la app de Claude para computadora (Windows o Mac), no en la web ni en el móvil

  1. Descarga el instalador del autor

    Descargar el archivo .mcpb del creador

    El archivo .mcpb viene directo del autor; no lo modificamos

  2. Haz doble clic en el archivo y pulsa Install en la app de Claude de escritorio

  3. Pruébalo

    Usa Cochlea y dime qué puedes hacer por mí; luego muéstrame una cosa

    ✓ Si Claude dice que está usando Cochlea o muestra una herramienta de Cochlea en la respuesta, ya está conectado

Nombres de menú comprobados con la ayuda de Anthropic el 11 nov 2026 · tu pantalla puede variar un poco según la versión

ChatGPT todavía no puede conectar Cochlea

Cochlea se instala en tu computadora, pero ChatGPT solo conecta servidores que funcionan en la web

Lo que puedes hacer en su lugar

A · Usa una app que pueda conectar Cochlea

  • Sin clave y sin instalar nada · Solo en la app de Claude para computadora (Windows o Mac), no en la web ni en el móvil

B · Otros en Diseño, imágenes y audio que funcionan con ChatGPT

Elegidos entre los más usados de la misma categoría, solo los que se conectan con una dirección y sin clave

Claude Code todavía no puede conectar Cochlea

El autor solo ofrece un instalador para la app de Claude de escritorio

Lo que puedes hacer en su lugar

A · Usa una app que pueda conectar Cochlea

  • Sin clave y sin instalar nada · Solo en la app de Claude para computadora (Windows o Mac), no en la web ni en el móvil

Cursor todavía no puede conectar Cochlea

El autor solo ofrece un instalador para la app de Claude de escritorio

Lo que puedes hacer en su lugar

A · Usa una app que pueda conectar Cochlea

  • Sin clave y sin instalar nada · Solo en la app de Claude para computadora (Windows o Mac), no en la web ni en el móvil

VS Code todavía no puede conectar Cochlea

El autor solo ofrece un instalador para la app de Claude de escritorio

Lo que puedes hacer en su lugar

A · Usa una app que pueda conectar Cochlea

  • Sin clave y sin instalar nada · Solo en la app de Claude para computadora (Windows o Mac), no en la web ni en el móvil

Otras apps que usan MCP, como Windsurf, Zed o Gemini CLI, añaden servidores de forma distinta. Míralo en la lista de apps

Ver todas las apps que usan MCP →

La configuración JSON está en “Para desarrolladores”, abajo

¿Te atascaste? Pregunta a quien usa Cochlea💬 Conversación →

De un vistazo

Descargas por semanai
No está en npm/PyPI
Licenciai
Apache-2.0
Conexión
Se ejecuta en tu computadora
Última versióni
0.7.0
Publicado en el registroi
13 ago 2026
Último cambio de códigoi
19 sept 2026
Creador
richer-richard
Paquetes
mcpb: …/cochlea-mcp.mcpb
Estado en el registro
Activo

Qué apps pueden usarlo

Según cómo se conecta este servidor y la documentación de cada app, comprobado el 10 nov 2026.

Se ejecutan en tu computadora en

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

Todas las apps, con ventajas y desventajas →

Qué puede hacer

Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.

Revisiones básicasi

Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 19 nov 2026

  • ✓ Superada

    El creador coincide con el repo

    El nombre en el registro se verificó con la cuenta de GitHub richer-richard, dueña del repo

  • ✓ Superada

    Sigue en mantenimiento

    Último cambio de código: hace 2 meses

  • ✓ Superada

    Tiene licencia

    Usa Apache-2.0

  • – No aplica

    El endpoint responde

    Este se ejecuta en tu computadora; no hay endpoint en internet

  • – No aplica

    Inicio de sesión con OAuth

    Se ejecuta en tu computadora y usa ajustes locales en su lugar

  • … Aún sin revisar

    Sin instrucciones ocultas en las descripciones de herramientas

    Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet

Vulnerabilidades publicadas (OSV.dev)

No revisado: solo se pueden revisar paquetes npm y PyPI con versión

Qué revisamos → · JSON

Creadores: pedir otra revisión o avisar de un dato erróneo
Para autores: añade una insignia a tu README

Si lo creaste tú, pega este código en tu README. La insignia enlaza a esta página.

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

Conversación

Pregunta, comparte un consejo o avisa de que no funciona. Ordenado por lo que la gente marcó como útil.

Aún no hay publicaciones. Sé la primera persona en preguntar o compartir.

Lo publicado aquí lo escriben usuarios, no el equipo de PopNx.

Inicia sesión para publicar

Reseñas de usuarios

Aún no hay reseñas

Inicia sesión para escribir una reseña

Comparado con otros en Diseño, imágenes y audioi

  • Más estrellas que el 94% de los otros 3275 servidores de esta categoría
  • Publicado en el registro más recientemente que el 18% de los otros 3275 servidores de esta categoría
  • Revisiones básicas iguales o mejores que el 99% de los otros 3275 servidores de esta categoría

Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.

Preguntas frecuentes

¿Es seguro Cochlea?

Superó 3 de 3 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.

¿Qué claves o códigos necesita?

El registro no indica ninguna clave obligatoria, aunque algunos servidores te piden iniciar sesión la primera vez que los usas.

¿Se ejecuta en mi computadora o en la nube?

Se ejecuta en tu computadora. Tu app de IA lo inicia cuando hace falta, y los datos no pasan por los servidores del creador (a menos que el propio servidor llame a un servicio en línea).

¿Sigue en mantenimiento?

El repo de GitHub cambió por última vez hace 2 meses, y la última versión (0.7.0) llegó al registro hace 3 meses.

¿Qué apps pueden usarlo?

Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas MCPB en tu computadora.

¿Qué puedo usar en su lugar?

En la misma categoría: HyperFrames by HeyGen, Pascal 3D Editor, draw.io, Figma MCP Server, Remocn: Remotion MCP server

Alternativas parecidas

Misma categoría, otros creadores, comandos ya revisados. Primero los oficiales, luego por estrellas.

Cómo leer una tarjeta:↓ Descargas por semanai★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi

HyperFrames by HeyGen

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

de heygen-comMuy usado★ 86,4 mil Estrellas de todo el repositorioActualizado ayer

Se ejecuta en la nube✓ heygen.com

Pascal 3D Editor

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

de pascalorgMuy usado↓ 1 mil/sem★ 25,6 mil Estrellas de todo el repositorioActualizado ayer

Computadora o nube✓ del servicio · pascal.app

draw.io

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

de jgraphMuy usado★ 5,9 milActualizado anteayer

Se ejecuta en la nube✓ del servicio · draw.ioProbado por el equipo de PopNx

Figma MCP Server

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

de figmaMuy usado★ 2,2 milActualizado hace 13 meses

Se ejecuta en la nube✓ del servicio · mcp.figma.com

Remocn: Remotion MCP server

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

de RemocnEn crecimiento★ 1,8 milActualizado hace 9 días

Se ejecuta en la nube✓ del servicio · remocn.dev
Comparado con otros parecidos
Este
Cochlea
HyperFrames by HeyGenPascal 3D Editordraw.ioFigma MCP ServerRemocn: Remotion MCP server
Dónde se ejecutaSe instala en tu equipoFunciona en la nube, sin instalar nadaEn la nube o instalado en tu equipoFunciona en la nube, sin instalar nadaFunciona en la nube, sin instalar nadaFunciona en la nube, sin instalar nada
Necesita claveNoNoNoNoNoNo
Se añade con + en ClaudeNoSíNoNoSíNo
Revisiones básicas3/34/45/54/44/44/4
LicenciaApache-2.0Apache-2.0MITApache-2.0–MIT
PrecioSin coste en el registroSin coste en el registroSin coste en el registroSin coste en el registroSin coste en el registroSin coste en el registro

README del creador

Abrir el README

Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.

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

Solo se muestra el principio; lee el resto en el repo