AI 制作

简单说就是智能体（codex,claude code,trae）等直接控制daw软件，直接通过自然语言可在daw中生成midi等其他数据。也就是大语言模型直接控制daw作曲。同时不仅是midi音符，理论上可以控制daw中的一切功能。
实测下来，作曲能力取决于模型。deepseek v4能跑起来，但是作曲能力一般。Glm5.2作曲能力很强了，但是偏科，也许还有待发掘。其他模型没有测试。

下面简单说一下操作方法：


1.智能体软件，推荐codex和trae,但是其实这类软件都差不多，其他的也可以。其实就是经过了加入各种提示词、提前设计好功能，并且实际能操作电脑的大语言模型。这里需要自己去配置相应的大模型的api，api需要付费。但是也可以买套餐。推荐trae是因为它有免费的接好的模型。



2.mcp协议。你可以理解成，大语言模型通过mcp协议，和软件的编程接口连接。这样就可以通过程序语言，控制daw了。

我用的是这个：https://github.com/bschoepke/ableton-live-mcp

选择ableton live的原因是这个daw的mcp据说用的比较多，其他老牌daw很多还没有mcp接口。

mcp协议的配置，其实本来并不麻烦，但是因为这里还处于初级阶段，这个ableton-live-mcp的配置有点复杂。但是，请直接让你的智能体，做个计划，帮你或者引导你去配置、安装。不要自己去装。现在这个阶段小白自己装恐怕还是很难。但是智能体能帮你搞定。我就是告诉codex让它自己先做个计划，我看过同意让它自己装。装的过程中大部分问题他都能解决，小部分需要手动，你再问他一下，也能解决。





3.mcp协议配置完成之后，在ableton live中启动这个协议，安装就完成了



4.就可以在智能体客户端中通过自然语言，来控制daw了。实际怎么用取决于你。




我感觉，可能这条路才是ai生成音乐的方向。一方面比音频生成可控多了；另一方面，音频生成更多是模仿。但是这个模式可以创新。比如，可以用数学来作曲。
其实这个mcp协议去年就有了，我一开始也只是想试试功能。而我想和大家分享的原因其实是glm5.2模型，已经有比较强的作曲能力了，但是，偏科。基本生成特定风格的古典乐，可听。但是流行乐就不太行。整体上还是处于已经有能力，但是还需加强的阶段。deepseek的话，基本需要你告诉他怎么写，比如，告诉他和弦进行，织体用分解这样...但是也很神奇了。这个也取决于使用者，看你怎么用它了。


下面放几个生成的glm5.2模型demo（钢琴音源为Garritan CFX Concert Grand，第一首叠加了ableton自带的childhood piano，最后一首弦乐用的是swam的小提琴。除了 CFX Concert Grand音源加了点混响，都是直接导出，没有做任何midi和音频编辑）




1.李斯特风格钢琴曲
下载

2.莫扎特风格钢琴曲
下载

3.莫扎特风格炫技钢琴曲（在前面那首的基础上，让它增加难度）
下载

4.拉赫玛尼诺夫风格钢琴曲
下载

5.钢琴+小提琴独奏试验（这首相对弱一些，且本来让它写弦乐四重奏，但是不行，只保留了小提琴）
下载


总体上，还是看模型能力。我没有测试其他模型，有能力的同学可以试试，比如claude家的fable模型。

我觉得可能自然语言模型+ai音源是未来的方向。自然语言模型生成，然后ai音源自己演奏好，免去画表情和编辑。当然，如果音频生成能一次就生成完全满意的作品，那也未尝不可。

但是我觉得这个模式更加自由，有很多的可能性。只是现在还不太成熟，包括软件也容易崩溃。

之前用龙虾控制过DAW,不能本地的话，太烧TOKEN了

本地模型现在能力达不到。大模型可以买coding plan 套餐，有些它是按次数计算，不是按token计算的。这样就还好。