每日开源精选-不下载模型、不调云 API, 纯本地把音乐算出来

作曲得下载大模型？

不下载模型、不调云 API，纯本地把音乐算出来

算法作曲 · SoundFont渲染 · 零云依赖

sirruf/music-gen-skill

本地作曲开源

📦 4 Parts + Conclusion

👉 滑动

PART 01

算法作曲

不是文生音乐

PART 02

两条路线

MIDI 与合成

PART 03

怎么用

工具链安装

PART 04

依赖清单

零云 API

PART ///

写在最后

掌控每个音符

别人拼文生歌，它反过来把音乐算出来

MIDI 算法作曲 + SoundFont 渲染，在你自己的电脑上确定性产出 WAV／MP3

你想要的也许不是「再来一个 Suno」，而是能攥在自己手里、可反复修改、出结果可预测的作曲工具。这正是 sirruf/music-gen-skill 的定位：它是一个 Claude Code Skill，用你系统里本来就有的普通工具，把「写歌」变成一段可编辑、可重跑的本地工作流。

本文基于其 GitHub 仓库整理，协议为 MIT（© Artem Kolesnikov）。

PART

算法作曲，不是文生音乐

POSITIONING · 先把边界划清楚

先说清楚边界，免得预期错位：这个 Skill 是算法作曲 + 采样器渲染，不是那种「描述一句风格就出一首带人声的歌」的模型。

作者在原文档里就很诚实——它不会「生成一首像某位歌手的歌」。如果你要的是文生音乐，该去用本地 MusicGen ／ audiocraft 或 Suno 这类模型与服务。

music-gen-skill 的价值在于完全确定性——同一段脚本永远产出同一段音频，而且每一个音符都可编辑。

✦ 适合场景

想要一段可控的钢琴 loop、和弦进行、鼓点、音效，而又不想被黑盒模型绑架的时候。

PART

两条路线：编曲与合成

TWO PATHS · MIDI 与直接合成

它提供两条产出路线，按你要的是乐器还是音效来选。

MIDI 路线（默认）

Claude 用 python3 + mido 写出 .mid 文件，再用 fluidsynth 或 timidity 加一个 GM SoundFont，渲染成真实采样乐器（钢琴、弦乐、贝斯、鼓等，靠 General MIDI 音色号指定）。

直接合成路线

用 sox 或 ffmpeg 合成音调、蜂鸣、警报、扫频这类非音乐音效，不需要 SoundFont。

MIDI 路线给的是真乐器声音，直接合成路线适合做 quick SFX。两条路最终都能交付 .wav 或 .mp3。

PART

装好工具链就能让它写歌

SETUP · 两步装好，开口就用

安装分两步——先放 Skill，再装工具链。

...bash

# 1. 把 skill 放进 Claude Code 的 skills 目录

cp -R music-gen ~/.claude/skills/music-gen

# 2. 装系统工具链（macOS）

brew install fluid-synth sox ffmpeg

pip install mido

# 再放一个 GM SoundFont 到下面这个路径

~/.local/share/soundfonts/FluidR3_GM.sf2

装好后，只要跟 Claude 说「写一段 A 小调 80 BPM 的 8 小节平静钢琴 loop」「做个带贝斯和鼓的欢快 jingle 导出 MP3」「生成 2 秒上升激光音效」，Skill 就会自动触发，作曲、渲染，再把文件路径连同 tempo、调性、配器一起交还给你。

仓库里还带了 scripts/render.sh（自动探测渲染器 + 定位 SoundFont）和 scripts/melody_example.py（钢琴、弦乐、贝斯、鼓的多轨参考曲），不想从零写，直接改它就行。

PART

依赖清单：全是本地二进制

DEPENDENCIES · 零云 API

这是它和「云端音乐 AI」最根本的区别——没有任何云 API，也不下载大模型权重，全靠系统里这几个老牌命令行工具。

依赖	作用	必需度
python3 + mido	写 MIDI	必需
fluidsynth 或 timidity	MIDI 渲染成音频	必需（推荐前者）
GM SoundFont	提供采样音色	必需（最常缺）
ffmpeg	导出 MP3	按需
sox	直接合成音效	按需

！踩坑提示 🕳

最常被漏掉的是那个 GM SoundFont（例如 FluidR3_GM.sf2），少了它渲染器就发不出声。

不确定装齐没？跑一句自检命令，它会逐行告诉你还差哪个、路径在哪。

CMDbash scripts/render.sh --check

///

LAST

写在最后

CONCLUSION · 掌控每一个音符

music-gen-skill 适合「想掌控每一个音符、又在意隐私和确定性」的人。它不性感、不出人声、不能一键出爆款，但它在你自己的机器上、用你自己的工具、产出你可编辑的文件。

这对做游戏音效、视频配乐、练耳学习的人来说，反而更省心。如果你受够了黑盒音乐模型的「每次都不一样」，不妨把它装上，从那个 8 小节钢琴 loop 示例改起。

协议 MIT（© Artem Kolesnikov）。安装即 cp -R 到 ~/.claude/skills/music-gen，再用 brew 或 apt 装 fluid-synth sox ffmpeg 与 pip install mido。记得补一个 GM SoundFont 才能出声。

既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。

在看

THANKS FOR READING