Az ingyenes, nyílt forráskódú hangszerkesztő lehetővé teszi az MI-ügynököknek a sávok vágását és átrendezését, a módosítások pedig visszavonhatók maradnak.

Az Audionaut, egy ingyenes, nyílt forráskódú, Windowsra, macOS-re és Linuxra készült többsávos hangszerkesztő szokatlan korlátozást vezet be az MI-alapú szerkesztésnél: ha egy ügynök módosít egy, az alkalmazásban már megnyitott projektet, a szerkesztő szokásos visszavonási rendszerével vissza lehet vonni az így végrehajtott módosítást.

Az ügynökfunkció a projekt legújabb fejlesztése a fejlesztő október 2-i Show HN-bejegyzése szerint. Maga az Audionaut már több éve fejlesztés alatt áll, tehát nem egy vadonatúj projektről van szó.

Az ügynökök a Model Context Protocolon (MCP) keresztül vezérelhetik az alkalmazást. Az Audionaut dokumentációja szerint az MCP-szerver olyan eszközökként teszi elérhetővé a szerkesztő parancssori műveleteit, amelyeket a kompatibilis ügynökök meghívhatnak. Ezek közé tartozik a hang importálása és exportálása, a klipek elemzése, felosztása és áthelyezése, a hangerő és a fel- és lekeverések módosítása, a klipsebesség beállítása, az elrendezések összeállítása és a stemek szétválasztása.

A szokatlanabb rész az, hogy mi történik, amikor egy ügynök egy már megnyitott projekten dolgozik. Az Audionaut szerint az ügynökparancs a projekt aktuális, alkalmazáson belüli állapotából indul ki, beleértve a nem mentett módosításokat is, az eredményül kapott szerkesztés pedig bekerül a normál visszavonási előzmények közé. Ebben a munkafolyamatban a projektfájl nem kerül automatikusan mentésre, így a felhasználó döntheti el, mikor menti el.

Az emberi szerkesztések szintén elsőbbséget élveznek. Ha a felhasználó újabb módosítást végez, mielőtt egy ügynökparancs befejeződik, a dokumentáció szerint az ügynök eredményét elvetik, és újrapróbálkozást kérnek ahelyett, hogy felülírnák az újabb emberi szerkesztést. Felvétel közben a parancsok végrehajtását megtagadják, lejátszás közben pedig az exportálást.

A projekt a Hacker News-on is kapott visszajelzéseket. Egy felhasználó, aki elmondása szerint néhány percig próbálta az Audionautot, olyan kiegészítéseket javasolt, mint a fájlok egyszerűbb importálása, az automatikus keresztáttűnés, a burkológörbék és az effektek. A fejlesztő azt mondta, hogy ezek közül több javaslat is bekerült a projekt feladatlistájára. Ezek a megjegyzések anekdotikusak, és nem bizonyítják az Audionaut általános teljesítményét vagy elterjedtségét.

Az ügynökök az Audionaut sávszétválasztó funkcióját is meghívhatják. A projekt sávszétválasztási dokumentációja szerint a Meta AI Research htdemucs modelljét használja a demucs.cpp-n keresztül, hogy egy kiválasztott monó vagy sztereó klipből négy sávot hozzon létre: Dobok, Basszus, Egyéb és Ének.

A dokumentáció szerint a szétválasztó modell körülbelül 80 MB-os egyszeri letöltést igényel, ezt követően pedig a feldolgozás helyben, a felhasználó számítógépén történik. Az Audionaut szerint a teljes szétválasztás egyetlen szerkesztésnek számít, vagyis egyetlen visszavonási művelettel eltávolítható mind a négy újonnan létrehozott sáv. A jelenlegi megvalósítás legfeljebb tízperces klipeket dolgoz fel, és a szétválasztást a CPU végzi.

Ez nem bizonyítja, hogy az Audionaut ügynök által létrehozott szerkesztései vagy sávszétválasztása jobbak lennének más hangszerkesztő eszközökénél, a fejlesztő pedig megjegyzi, hogy az automatikusan előállított eredmények továbbra is kézi szerkesztést igényelhetnek. A megvalósítás különlegessége abban rejlik, ahogyan az ügynöki műveleteket a szerkesztő meglévő projekt- és visszavonási rendszerébe integrálja, ahelyett, hogy visszafordíthatatlan külső módosításként kezelné őket.

Az Audionaut ingyenes, nyílt forráskódú szoftverként érhető el. Hivatalos weboldala Windowsra, macOS-re és Linuxra kínál telepítőcsomagokat, a forráskódja pedig a projekt GitHub-adattárában érhető el.