รีวิว Audio Studio MCP — สั่ง Claude Code ทำเพลงประกอบและเสียงเอฟเฟกต์ในเครื่อง ไม่ต้องใช้ API key

คืออะไร

Audio Studio MCP เป็น MCP server ที่ทำให้ Claude Code, Claude Desktop, Cursor และ MCP client อื่น ๆ มีห้องทำเสียงอยู่ในเครื่องเราเอง พิมพ์ขอเพลงประกอบ (BGM) หรือเสียงเอฟเฟกต์เป็นภาษาธรรมดา แล้วโมเดล Stable Audio 3 จะสร้างให้ในเครื่อง จากนั้นยังทำให้วนลูปได้ ปรับความดัง และ export ไปใช้ในเกมหรือโปรแกรมตัดต่อได้ ไม่ใช้คลาวด์ ไม่ต้องมี API key และการสร้างเสียงไม่เสียเงิน

รันได้บน Mac ชิป Apple Silicon (MLX) และ Windows ที่มีการ์ดจอ NVIDIA (PyTorch) เขียนด้วย Python มี ⭐ 421 ดาว และ 29 fork (ข้อมูล ณ 22 ต.ค. 2026) ฟังตัวอย่างเสียงได้ที่ https://kanaworksai-hue.github.io/audio-studio-mcp/

จุดเด่น

• สั่งด้วยภาษาธรรมดา เช่น "ทำ BGM โลไฟสำหรับฉากร้านกาแฟ วนลูปได้ 60 วินาที 85 BPM ขอ 3 แบบ"
• สร้างได้ 3 ประเภทในตัวเดียว: BGM, instrument loop/stem และ sound effect ครั้งละ 1 ถึง 4 แบบให้เลือก
• แก้ไขได้ 3 แบบ: variation เปลี่ยนสไตล์ทั้งคลิป, inpaint สร้างใหม่เฉพาะช่วงเวลา, continue ต่อไฟล์ให้ยาวขึ้น
• เก็บงานให้จบ: ทำลูปต่อกันเนียน (seamless loop), fade, ปรับความดัง (LUFS) และ export เป็น WAV / OGG / FLAC
• ทำซ้ำได้: ทุกไฟล์มี sidecar เป็น .json เก็บ prompt, seed และ settings ของตัวเอง
• server สอน AI ให้เขียน prompt ตามรูปแบบทางการของ Stable Audio 3 เอง คำขอแบบ "ขอเสียงประตูเอี๊ยด ๆ" เลยถูกแปลงเป็น prompt ที่โมเดลเข้าใจ
• ผลลัพธ์ตรงกับต้นทาง: บน Mac เมื่อใช้ seed เดียวกัน ได้ผลแบบ bit-for-bit เหมือน sa3 CLI ทางการ ส่วนบน Windows เรียก PyTorch API ทางการ
• มี 4 tools: generate_audio, edit_audio, process_audio และ unload_models
• ไฟล์เสียงไม่ถูกอัปโหลดออกไปไหน และการ generate ไม่มีค่าใช้จ่าย

เรื่องความเร็วจาก README: โมเดล medium บน M1 Mac 16 GB ทำเพลง 20 วินาทีแบบ warm ประมาณ 10 วินาที ส่วนบน Windows ที่ใช้ RTX 3060 12 GB ทำเพลง 20 วินาทีประมาณ 1.3 วินาที และไฟล์ยาวสูงสุด 380 วินาทีประมาณ 15 วินาที

เหมาะกับใคร

• คนทำเกมที่ต้องการ BGM และ SFX ประจำฉาก โดยไม่อยากเสียเงินค่า API
• คนทำวิดีโอ สไลด์ หรือคอนเทนต์ที่ต้องการเสียงประกอบเร็วๆ
• ผู้ใช้ Claude Code ที่อยากให้ AI ช่วยเลือก แก้ และ export เสียงให้จบในตัวเอง
• คนที่มีเครื่อง Mac Apple Silicon หรือ PC ที่มี NVIDIA GPU อยู่แล้ว และไม่อยากส่งไฟล์เสียงออกไป cloud

เริ่มต้นใช้งาน

macOS (Apple Silicon) ต้องมี M1 ขึ้นไป แนะนำ RAM 16 GB ดิสก์ประมาณ 6 GB สำหรับโมเดล และมี git กับ ffmpeg

git clone https://github.com/kanaworksai-hue/audio-studio-mcp.git
cd audio-studio-mcp
./install.sh

ตัวติดตั้งจะตั้งค่า uv ถ้ายังไม่มี โหลด runtime ทางการของ Stable Audio 3 เข้าไปใน vendor/ สร้าง .venv/ และดาวน์โหลดโมเดล medium (1.4B, ประมาณ 5.9 GB) จาก Hugging Face จบด้วยคำสั่งสำหรับลงทะเบียนเซิร์ฟเวอร์

claude mcp add --scope user audio-studio -- /path/to/audio-studio-mcp/.venv/bin/audio-studio-mcp

Windows (NVIDIA GPU) ต้องเป็น Windows 10 หรือ 11 แบบ 64-bit ที่มีการ์ดจอ NVIDIA VRAM 8 GB ขึ้นไป (ผู้พัฒนาทดสอบบน RTX 3060 12 GB) ดิสก์ประมาณ 14 GB และมี git กับ ffmpeg ต้องมีบัญชี Hugging Face ฟรี และกด accept license ของโมเดลก่อน

git clone https://github.com/kanaworksai-hue/audio-studio-mcp.git
cd audio-studio-mcp
powershell -ExecutionPolicy Bypass -File install.ps1

claude mcp add --scope user audio-studio -- "C:\path\to\audio-studio-mcp\.venv\Scripts\audio-studio-mcp.exe"

ถ้าใช้ Claude Desktop, Cursor หรือ client อื่น ใส่ค่านี้ใน claude_desktop_config.json หรือ .cursor/mcp.json

{
  "mcpServers": {
    "audio-studio": {
      "command": "/path/to/audio-studio-mcp/.venv/bin/audio-studio-mcp"
    }
  }
}

จากนั้นก็สั่งได้เลย เช่น "ขอเสียงประตูไม้หนัก ๆ กระแทกปิดในทางเดินหิน export เป็น OGG สำหรับ Godot" หรือ "ต่อเพลงนี้ให้ยาว 90 วินาที แล้วปรับความดังเป็น -16 LUFS"

ข้อควรรู้

• License: โค้ดเป็น MIT แต่ตัวโมเดลใช้ Stability AI Community License ซึ่งคุมทั้งตัวโมเดลและเสียงที่สร้างออกมา README บอกว่า ณ ตอนที่เขียน อนุญาตใช้เชิงพาณิชย์ได้สำหรับคนหรือองค์กรที่รายได้รวมต่อปีต่ำกว่า 1 ล้านดอลลาร์ ควรอ่านเงื่อนไขก่อนใช้งานเชิงพาณิชย์
• ทำเพลงที่มีเสียงร้องหรือเนื้อร้องไม่ได้ ได้แค่ดนตรีบรรเลงกับเสียงเอฟเฟกต์
• ความสดใหม่: push ล่าสุด 20 ต.ค. 2026 สร้าง repo เมื่อ 18 ต.ค. 2026 อายุราว 4 วัน มี issue เปิดอยู่ 1 รายการ
• ฮาร์ดแวร์: Mac ชิป Intel และการ์ดจอ AMD ไม่รองรับ ส่วน Linux ที่มีการ์ด NVIDIA น่าจะใช้ได้แต่ยังไม่ได้ทดสอบและยังไม่มีตัวติดตั้ง Mac แรม 8 GB ก็ยังไม่ได้ทดสอบ (โมเดล medium ใช้แรมราว 5 ถึง 7 GB)
• ขนาดโมเดล: medium บน macOS ประมาณ 5.9 GB บน Windows ประมาณ 10.4 GB ถ้าใช้ตัวเลือก --model all จะโหลดโมเดลเล็กที่เร็วกว่า (sm-music และ sm-sfx) เพิ่มอีกประมาณ 2.6 GB บน macOS และ 7 GB บน Windows
• ความยาวไฟล์: โมเดล medium ได้สูงสุด 380 วินาที ส่วน sm-music และ sm-sfx ได้สูงสุด 120 วินาที
• บน Windows ไฟล์ weights ของ PyTorch เป็นแบบ gated ต้อง login Hugging Face และ accept license ของแต่ละหน้าโมเดล และ README ย้ำว่าอย่าวาง token ลงในแชตกับ AI
• ต้องมี ffmpeg ติดตั้งไว้ ถ้าไม่อยู่ใน PATH ให้ชี้ด้วยตัวแปร AUDIO_STUDIO_FFMPEG
• ไฟล์เสียงที่ได้เป็น WAV 44.1 kHz 24-bit stereo เขียนไว้ในโฟลเดอร์ outputs/ ของโฟลเดอร์ repo
• การปรับความดังมี 2 แบบ: peak เหมาะกับ SFX และ loudness ที่เป้าหมายเป็น LUFS ได้ -14 สำหรับ streaming/video, -16 สำหรับ game BGM และ -23 สำหรับ broadcast

🔗 https://github.com/kanaworksai-hue/audio-studio-mcp

ข้อมูลจาก GitHub ณ 22 ต.ค. 2026: ⭐ 421 | ภาษา Python | license MIT