AI

Rovox: atvērtā koda DAW, ko var vadīt arī AI aģents ar MCP

Rovox ir atvērtā koda skaņu darbstacija REAPER stilā ar iebūvētu MCP serveri: AI aģents var darboties ar celiņiem, efektiem un renderēšanu, un katru tā izmaiņu var atcelt vienā soli.

FSM Studio · · 4 min lasīšanai

Ilustrācija: skaņas mikšerpults ar slīdņiem un studijas austiņām uz skaņas viļņa fona, terakota un zilās krāsās

Ko darīt, ja AI aģentam jāstrādā ar skaņas projektu, nevis ar kodu? Parasti aģents tiek pie failiem, bet ne pie darbstacijas. Rovox šo problēmu risina citādi: tā ir atvērtā koda DAW (digitālā skaņu darbstacija), kuru aģents var vadīt tikpat pilnvērtīgi kā cilvēks. Tas ir mūsu studijas dibinātāja personīgs projekts, nevis FSM produkts; šeit pastāstām, kas tajā ir un kam tas der.

Kas ir Rovox

README to raksturo kā atvērtā koda DAW cilvēkiem un AI aģentiem, kas strādā kopā. Saskarne un darbplūsma cieši seko REAPER, un klāt nāk divas lietas, kuru REAPER nav:

  • Iebūvēts MCP. Aģents var vadīt celiņus, vienumus, efektus, maršrutēšanu, atskaņošanu un renderēšanu. Katra aģenta izmaiņa parādās saskarnē, un to var atcelt vienā soli.
  • Vairāki dzīvi projekti vienlaikus. Projektu cilnes dala vienu audio ierīci, un jebkurš projekts var skanēt fonā, kamēr jūs vai aģents strādājat citā.

Projekts domāts īstiem audio interfeisiem (CoreAudio, ASIO), zemas latentuma ierakstam un VST3/AU spraudņiem, kas darbojas ārpus galvenā procesa. Nosaukums ir atsauce uz Roland.

Kā aģents strādā ar MCP

MCP (Model Context Protocol) ir atvērts protokols, caur kuru AI rīks izsauc ārējās sistēmas funkcijas. Rovox serveris atbalsta stdio un Streamable HTTP, un README min aptuveni 47 rīkus: project.*, track.*, item.*, fx.*, render.*, analyze.audio, undo/redo un citus.

Dažas noteikumu detaļas, kas padara to drošāku par „aģents dara, ko grib”:

  • viens izsaukums ir viens atcelšanas solis;
  • parametrs if_revision neļauj rakstīt uz novecojuša projekta stāvokļa;
  • atbildēs ir external_changes, tas ir, citu veiktās izmaiņas kopš jūsu pēdējā izsaukuma;
  • garie darbi (renderēšana, analīze) darbojas kā uzdevumi, uz kuriem var gaidīt vai pārjautāt statusu.

Saskarnē aģenta izmaiņas ir iekrāsotas ar atsevišķu krāsu un aģenta vārdu. Poga „Undo агента” atceļ tā pēdējos soļus, bet „Прийняти” noņem iekrāsojumu. Ņemiet vērā: README saskarnes teksti ir ukraiņu valodā.

Pieslēgšana Claude Code ir viena komanda: claude mcp add rovox -- rovox mcp --data-dir ~/rovox-data.

Renderēšana, kas nekad klusībā nedod nepareizu failu

Šī ir viena no README skaidrāk pateiktajām idejām. Pirms renderēšanas --check pārbauda, vai katra klipa audio ir nolasāms, vai visi spraudņi ielādējušies (spraudni, kas neielādējas, dzinējs citādi klusībā apiet) un vai MIDI celiņi rada skaņu. Pēc renderēšanas tiek meklēts kluss rezultāts, pārslodze, true-peak pārsniegumi un skaļuma mērķis. Ja pārbaude neizdodas, fails netiek publicēts.

rovox render "My song" --out mix.mp3 --check --target-lufs -14 --normalize --json

Izejas kods 0 nozīmē „kārtībā”, 2 nozīmē neizdevušās pārbaudes, 1 nozīmē kļūdu. Gatavo renderu var piegādāt kā failu, uz Telegram, S3 vai webhook.

Ko tas importē un kādi spraudņi tiek atbalstīti

Rovox importē Zoom R20 .zprj mapes, WAV failus un REAPER .RPP projektus. REAPER JS efekti darbojas caur ysfx, bet LV2 un VST3 spraudņi tiek testēti un renderēti atsevišķos procesos, tāpēc spraudnis, kas avarē, nenogāž serveri. Spraudņi tiek lietoti tā, kā tie licencēti: nekas neapiet aktivāciju.

Projekta formāts .rvx ir mape ar edit.xml (Tracktion Edit), manifestu rovox.json un adresējamu audio mapi media/.

Kā to palaist

Viss tiek būvēts un testēts Docker vidē (Linux amd64 un arm64). Tīmekļa DAW palaiž ar vienu komandu, un serveris izdrukā piekļuves marķieri:

docker run --rm -p 4810:4810 -v rovox-data:/data -v ~/songs:/in:ro rovox serve --bind 0.0.0.0 --audio browser --allow-path /in

Tīmekļa saskarne (TypeScript, Vite, Canvas arrange skatam, bez UI ietvara) atskaņo skaņu pārlūkā un tiešraidē rāda, ko maina MCP aģents. Ārpus loopback adreses serveris prasa --token.

Ierobežojumi

  • Statuss. README norāda Milestone M5; tas ir agrs posms, nevis gatavs komerciāls produkts.
  • Licence. AGPL-3.0: atvērts kods ar tīkla klauzulu, tāpēc GET /source norāda, kur atrodas darbojošais pirmkods. Rovox nav saistīts ar Cockos (REAPER) vai Roland.
  • Būvēšana. Tracktion Engine un JUCE apakšmoduļiem nepieciešams īpašs skripts tools/init-submodules.sh.
  • Saskarnes valoda. Daļa saskarnes teksta ir ukraiņu valodā, bet README un API ir angliski.

Kam tas der un kā izlemt

Ja jūs darbojaties ar mūziku vai podkāstiem un gribat redzēt, kā aģents var strādāt ar īstu projektu ar atceļamām izmaiņām, Rovox ir interesants piemērs. Tas parāda arī vispārīgāku principu: aģentam dodiet darba rīku ar atcelšanu, versiju aizsardzību un pārbaudēm pirms rezultāta, nevis tikai piekļuvi failiem. Par to, kā izvēlēties rīkus, lasiet kas ir AI kodēšanas rīki. Citu aģentu rīku, agent-radio, esam aprakstījuši atsevišķi. Rovox apraksts ir atvērtā koda sadaļā, un kods ir GitHub.

Ja domājat, kā aģentus ar kontrolētām tiesībām iesaistīt savos procesos, skatiet AI automatizāciju uzņēmumam vai apspriediet projektu ar mums.

Avoti