Audionaut, aplikasi editor audio multitrack lintas platform, memperkenalkan fitur kontrol AI agent secara lokal melalui Model Context Protocol (MCP).
Pembaruan ini memungkinkan perintah penyuntingan yang dijalankan AI terintegrasi ke dalam riwayat undo aplikasi tanpa mengganggu proyek yang sedang dikerjakan.
Perangkat lunak open source ini tersedia untuk Windows, macOS, dan Linux, dan telah dikembangkan selama beberapa tahun.
Penambahan agen cerdas ini memberikan warna baru pada alur kerja penyuntingan audio digital, membuat integrasi kecerdasan buatan terasa lebih aman dan praktis.
Kontrol AI Agent via Model Context Protocol
Pengendalian agen cerdas pada Audionaut berjalan melalui standar Model Context Protocol (MCP).
Server MCP internal pada aplikasi membuka berbagai perintah command-line sebagai perkakas yang bisa dipanggil oleh agen AI kompatibel.
Agen AI dapat membantu mengimpor file, memotong klip, mengatur gain, menyesuaikan fade, hingga mengatur posisi lagu pada timeline.
Poin krusial dari implementasi ini terletak pada cara Audionaut menangani perintah saat proyek sedang terbuka di antarmuka utama.
Ketika agen AI menjalankan instruksi, perubahan diproses langsung dari kondisi proyek real-time, termasuk perubahan yang belum disimpan oleh pengguna.
Hasil suntingan AI tersebut kemudian dimasukkan ke dalam riwayat undo standar aplikasi sebagai satu langkah tunggal.
Perangkat lunak ini tidak langsung melakukan autosave secara otomatis.
Pengguna memegang kendali penuh kapan harus menyimpan file proyek, dengan prioritas utama tetap pada manusia.
Apabila pengguna melakukan interaksi penyuntingan manual saat agen AI sedang memproses perintah, hasil kerja agen akan dibatalkan secara otomatis dan meminta proses ulang.
Langkah ini memastikan kerja manual pengguna tidak tertimpa oleh otomatisasi mesin.
Selain itu, perintah AI akan ditolak saat aplikasi sedang merekam suara atau melakukan export lagu.
Pemisahan Stem Audio Lokal Berbasis Meta AI htdemucs
Selain manipulasi timeline, agen AI di Audionaut juga dapat mengaktifkan fitur pemisah stem audio.
Fitur pemisahan jalur instrumen ini memanfaatkan model htdemucs garapan Meta AI Research melalui pustaka demucs. cpp.
Fitur ini mampu memecah trek stereo atau mono menjadi empat jalur terpisah: Drums, Bass, Vocals, dan Other.
