AI 制作

生成式Ai只是快餐，DAW结合agent会是未来专业高端方向吗？


最近Sonar引入了新版Cakescript，我认为绝对是个里程碑式的功能。这几天跑通了用WorkBuddy控制Sonar，基本实现动动嘴就能操作Sonar。


刚才问了Ai这个方向的现状：

DAW	官方脚本  /  扩展接口	语言	能力与  AI  现状
REAPER	ReaScript （ 600+ API ，可跨进程）	Lua 5.4 / Python / EEL2	最开放。社区  MCP  最丰富（ total-reaper-mcp 600+  工具）；有   NeurIPS 2025  论文级项目  DAWZY （自然语言 → 可逆脚本， GPT-5  下任务成功率   100% ）
Cakewalk Sonar	CAL （旧） + CakeScript	CAL / Lua	无官方  MCP 。当前采用「 MIDI  触发  +  RunScript 」自建通道
FL Studio	Python API （ 20.8.4+ ， 14  模块  427+   函数）	Python	唯一把  agentic AI  内置进工程操作的大厂： Gopher （ 2026 ）能直接调轨电平、改插件参数、整理路由、生成卷帘
Ableton Live	Python Remote Scripts + Max for Live + Extensions SDK	Python / Max / Node.js	Extensions （ 12.4.5 beta ）可在   Live  内部托管自建  MCP server ；社区  ableton-mcp   约  2.5k  星
Pro Tools	PTSL （ Pro Tools Scripting Library ）	gRPC （多语言）	官方  SDK ，社区  MCP  已有
Logic Pro	Scripter （ MIDI FX  插件）	JavaScript	只能处理流经该通道条的  MIDI ，读不了工程、建不了轨；  AppleScript  字典近乎空
Cubase / Nuendo	MIDI Remote API （沙箱）	ES5 JavaScript	结构性受限：约  50–100   函数，不能建轨、删轨、插插件；第三方  MCP  只能走  MIDI  桥
Bitwig Studio	Controller API + Extensions	Java （控制器） /  多语言	有  MCP （需装扩展）
Ardour / Mixbus	内置脚本引擎	Lua	无  AI  生态
Renoise / Reason	Lua API / Remote codec	Lua	无  AI  生态
Studio One	无脚本  API （仅  Macro ）	—	无

[color=rgba(0, 0, 0, 0.9)]也就是说：[color=rgba(0, 0, 0, 0.9)]真·脚本派[color=rgba(0, 0, 0, 0.9)]是 REAPER、Sonar、FL、Ableton 这一档（能建轨、改音符、读工程结构）；Logic/Cubase 属于"半开放"（只能在 MIDI 流或控制器映射层面动手）；Studio One 是完全封闭。
[color=rgba(0, 0, 0, 0.9)]

AI 智能体直连的四层现状

（一）第 1 层：原生内置 AI Agent（厂商自带）

（二）第 2 层：官方脚本 / 扩展 SDK（可自托管 Agent）

（三）第 3 层：第三方社区 MCP 桥

（四）第 4 层：无脚本 API（只能 MIDI / 键鼠模拟或自建）



关键结论

[color=rgba(0, 0, 0, 0.9)]
本帖最后由 karf 于 26-9-17 12:55 编辑

REAPER确实很开放。不仅仅是脚本。

这几天给REAPER开发了个鼠标滚轮丝滑插件，摸清了它的对外API，才知道开发组思维有多前卫。

随着AI开发的进化，未来REAPER的全面进化性会很大。 本帖最后由 bobo198504 于 26-9-17 15:31 编辑

如果能单轨实现渲染就很好了，这样solo类的乐器，不用调得很累，就是自己出一个粗得midi乐器渲染接近实录

udio 早在前年，已在一定程度上实现。而 suno 从 v5.5 开始，已经实现的非常好了，最多生成后需要再进行一次分离

目前我暂时不太看好 Agent 操作 DAW 的路线。虽然看 AI 自动建轨、调参很神奇，但核心痛点在于难以形成工作流闭环。

人操作 DAW，本质上是【艺术判断 ➔ 操作 DAW ➔ 实时反馈 ➔ 再判断】的递归循环。目前的 AI 模型（除了极少数在探索音频理解的模型外）普遍缺乏对声音的“审美判断力”。如果 Agent 听不懂自己调出来的声音好不好听，缺乏了“艺术判断”这一环，就很难真正帮人干活。

另外，单纯的“操作软件”在未来大概率不会是壁垒。随着像 Astra 这种具备原生 Computer Use 能力的模型发展，以后即便 DAW 完全封闭没有 MCP 接口，AI 也能通过视觉直接接管键鼠来操作。所以，把极大精力放在研究 DAW 接口和 Agent 的连接上，长远看价值可能有限。

对于 99% 的听众来说，大家只关心最终的音乐好不好听，并不在意过程是端到端生成还是传统制作。
所以我感觉，目前真正能落地且可持续迭代的工作流，其实是：【给 Prompt ➔ AI 生成音乐 ➔ 人耳判断 ➔ 调整 Prompt ➔ 再次生成】。

相比于让 Agent 在 DAW 里替我们拧旋钮，让人回归纯粹的“艺术总监”角色去做审美把关，是目前能实现的

你可以给你的DAW挂一个agent去试，把音源键位映射技法映射、说明书都给它，反复训练，应该问题不大。

我不清楚suno的底层机制是什么，也许是基于音频数据的直接生成，也许是基于海量模板库的自动伴奏式生成。
DAW的底层机制是基于多声部创作及分轨录音，要满足Hi-end级的高音质需求，恐怕还是要靠多轨制作模式。

同感！如果用Agent 操作 DAW ，甚至渲染分轨midi，那编曲的乐趣在哪儿？

ACE studio强