音源分离 MCP 服务器

基于火山引擎的音源分离MCP服务器，提供人声/伴奏分离功能。

功能特性

• 🎵 人声提取: 专门的人声分离工具，去除背景音乐
• 🎸 伴奏提取: 专门的伴奏分离工具，去除人声
• 🎛️ 模型选择: 标准模型和降噪增强模型
• 📁 多格式支持: wav/mp3/aac等常见音频格式
• 🔧 灵活配置: 可自定义输出格式和路径

工具说明

extract_vocals - 提取人声

从音频中提取人声，去除背景音乐

参数:

• audio_path (必需): 音频文件路径
• use_enhanced_model (可选): 是否使用降噪增强模型，默认 false
• output_format (可选): 输出音频格式 (wav/mp3/aac)，默认 wav
• output_path (可选): 输出文件路径

示例:

{
  "audio_path": "/path/to/music.mp3",
  "use_enhanced_model": true,
  "output_format": "wav"
}

extract_accompaniment - 提取伴奏

从音频中提取伴奏，去除人声

参数:

• audio_path (必需): 音频文件路径
• use_enhanced_model (可选): 是否使用降噪增强模型，默认 false
• output_format (可选): 输出音频格式 (wav/mp3/aac)，默认 wav
• output_path (可选): 输出文件路径

示例:

{
  "audio_path": "/path/to/music.mp3",
  "use_enhanced_model": false,
  "output_format": "wav"
}

模型说明

• 标准模型 (use_enhanced_model: false)
  • 2track_vocal: 标准人声提取
  • 2track_acc: 标准伴奏提取
• 降噪增强模型 (use_enhanced_model: true)
  • bs_4track_vocal: 降噪增强人声提取，效果更好但处理时间更长
  • bs_4track_acc: 降噪增强伴奏提取，效果更好但处理时间更长

使用限制

• 音频时长: ≤10分钟 (建议 > 5秒)
• 文件大小: ≤100MB
• 仅支持音乐类音频
• 推荐: 采样率≥44.1kHz、双声道
• 支持格式: wav、mp3、aac、flac、m4a

安装

npm install
npm run build

配置

需要配置火山引擎API凭证环境变量：

export VOLCENGINE_ACCESS_KEY_ID="your_access_key"
export VOLCENGINE_SECRET_KEY="your_secret_key" 
export VOLCENGINE_APP_KEY="your_app_key"

启动

不建议用 npx 直接启动 MCP 服务器，因为 npx 可能向 stdout 输出提示信息，干扰 MCP 的 stdio 握手，导致「MCP 显示失败」。

推荐方式：

• 直接运行构建后的入口：

node dist/index.js

• 或使用包导出的可执行文件（bin）：

./node_modules/.bin/audio-source-separation-mcp

• 开发模式：

npm run dev

Claude Desktop 配置

在 claude_desktop_config.json 中添加：

{
  "mcpServers": {
    "audio-source-separation": {
      "command": "node",
      "args": ["/path/to/audio-source-separation-mcp/dist/index.js"],
      "env": {
        "VOLCENGINE_ACCESS_KEY_ID": "your_access_key",
        "VOLCENGINE_SECRET_KEY": "your_secret_key",
        "VOLCENGINE_APP_KEY": "your_app_key"
      }
    }
  }
}

技术架构

• 获取key 的方法是地址是：https://www.volcengine.com/docs/6489/71995 详细查看该文档。
• Node.js + TypeScript: 核心实现
• 火山引擎 OpenAPI SDK: API调用和鉴权
• MCP SDK: 符合MCP协议
• Base64编码: 音频数据传输

License

MIT License