仕事の相談
  1. トップ
  2. ノート
  3. X はプラグインの宝庫
仕事 約15分で読めます（7,392字）

X は最高のプラグインの宝庫
ブックマークした audio-studio MCP で、効果音と BGM を自分の PC で作った

AI の新しい道具って、だいたい X で最初に見つかるんだよね。中でもブックマークしてて本当によかったのが audio-studio MCP。効果音とBGMが、自分の PC から0円で出てきた。実際の音を聴きながら、使い方までまとめた。

この記事は 2026年11月1日時点の情報です

まず、これを聴いてほしい。

制作中のサイトの「起動音」（3秒）。audio-studio MCP で作った

近未来の端末が立ち上がって、最後に「ポン」と決まる音。制作中の診断サイト用に作ったものなんだけど、これを鳴らしたのは音楽ソフトでも、有料の素材サイトでもない。

この音は自分の PCから0円で出てきた

使ったのは、X で見つけてブックマークしておいた audio-studio MCP。文章で「こういう音」と頼むと、手元の GPU で効果音や BGM を作ってくれる道具だ。2026年10月20日の夜に入れて、その日のうちに10個の効果音ができた。

正直、今いちばん人に勧めたい道具がこれ。まじですごい。というわけでこのノートでは、作者さんのことと、実際に作った音と、入れ方まで、まるっとまとめる。ついでに「なんで X が道具の宝庫なのか」も。

3行でいうと
  1. AI の道具（プラグインや MCP サーバー）は、作った人が X で最初に紹介することが多い。ブックマークしておいて、あとでまとめて入れるのがおすすめ
  2. audio-studio MCP は、Stable Audio 3 を自分の PC で動かして、効果音と BGM を作る MCP サーバー。クラウドも API キーも要らない
  3. Windows なら NVIDIA の GPU（VRAM 8GB 以上）が必要。音は数字で検査するだけじゃなく、最後は自分の耳で聴いて決める
  • 10個入れた日の夜に作った効果音（10月20日）
  • 0円音を作るのにかかったお金（電気代は別）
  • 65ミリ秒作り直したあとの、いちばん短いクリック音
  • 67秒同じ道具で作った、つなぎ目なしで繰り返せる BGM

なんで X がプラグインの宝庫なのか

Claude Code みたいな AI の開発道具には、あとから機能を足す仕組みがいろいろある。スキル、プラグイン、MCP サーバー、それから「この通りにデザインして」と渡す設計書のファイル。毎週のように新しいのが出てくる。

で、それを作った人がまず何をするかというと、X に投稿するんだよね。「こういうの作りました、GitHub に置きました」って。公式のまとめページに載るのは、そのずっとあと。だから新しい道具は、だいたい X で最初に見つかる。

私の探し方は、すごく単純。

  • タイムラインで「これ良さそう」と思ったら、とりあえずブックマーク
  • 作りたいものが出てきたときに、ブックマークを見返す
  • 使えそうなものを、AI に「これを入れて」と頼む

見つけたその場では入れない。必要になったときに、ブックマークが道具箱になってる感じ。

実際、今の私の開発を支えてる道具のうち2つは、X のブックマークから来てる。1つは2026年4月に入れた DESIGN.md。もう1つが、このノートの主役の audio-studio MCP だ。

DESIGN.md デザインの「好み」を AI に渡すファイル

DESIGN.md は、サイトの見た目のルール（色、文字、ボタン、余白、やっちゃいけないこと）を、AI が読める文章にまとめたファイル。私の PC に入ってるのは、Claude の公式サイトの雰囲気を分析したもので、9つの章に分かれてる。中身の形を見るかぎり、VoltAgent の「awesome-design-md」というリポジトリで配られている形式と同じだ。ブランドごとの DESIGN.md を集めた、かなり人気のリポジトリ。

これを入れてから、AI に UI を作らせるときは毎回「DESIGN.md を見てね」と言うようにしてる。紙っぽい背景、テラコッタ色の差し色、温かみのある色づかい。毎回ゼロから「おしゃれにして」と頼むより、好みの型を先に渡しておくほうが、ずっと話が早い。

ただ、DESIGN.md は「見た目の型」をくれる道具。ぶっちゃけ、度肝を抜かれたのは audio-studio のほうだった。

audio-studio MCP って何？

作ったのは、KanaWorks_AI さん（X は @KanaWorks_AI）。GitHub で公開されてて、コードは MIT ライセンス、誰でも無料で使える。

中身をひとことで言うと、Stability AI の音楽・効果音の AI「Stable Audio 3」を、自分の PC で動かして、Claude Code などから呼べるようにする道具。README（説明書）には「クラウドなし、API キーなし」と書いてある。音を作るたびにお金がかかる仕組みじゃない。

「MCP」は、AI に道具を持たせるための共通の差し込み口みたいなもの。MCP サーバーを登録すると、Claude Code が「音を作る」という道具を使えるようになる。私はファイルを1つも触ってなくて、Claude に「これをインストールして、MCP サーバーとして登録して」と頼んだだけだ。

できることは、大きく4つ。

道具の名前やること
generate_audio文章から BGM・楽器のループ・効果音を作る。1回に1〜4候補
edit_audioできた音の雰囲気を変える、一部だけ作り直す、続きを足す
process_audio切る、無音を削る、音量をそろえる、つなぎ目なしのループにする、WAV・OGG・FLAC で書き出す
unload_models使い終わったモデルをメモリから下ろす
 2026年10月23日に公式の README で確認

地味にうれしいのが、作った音1つ1つに「どんな文章で、どの乱数（seed）で作ったか」を書いたメモ（.json）が横に付くこと。同じ seed なら同じ音がもう一度作れる。このノートに載せたプロンプトも、そのメモからそのまま写してる。

実際に作った音を聴いてみる

Claude に入れてもらうよう頼んだのは、10月20日の夜9時半ごろ。途中で1回つまずいて（次の章で）、夜11時55分に、効果音10個がそろった。

効果音の頼み方には、ちょっとしたコツがある。「何が鳴ってるか」「どう鳴るか」「どんな質感か」「どこで鳴ってるか」の4つに分けて書くんだよね。冒頭の起動音は、こう頼んでる。

鳴っているもの：futuristic computer terminal starting up（起動する近未来の端末） 鳴り方：power-up sweep rising with soft digital chirps, ends on a clean confirmation tone（上がっていく電源音に小さな電子音、最後に澄んだ確認音） 質感：clean synthesized sine tones and glassy digital textures（澄んだシンセの音、ガラスっぽい電子の質感） 場所：close, slight room reverb（近く、少しだけ部屋の響き）

英語で、短く、具体的に。日本語で「近未来っぽい起動音」と頼んでも、Claude が英語のこの形に直して渡してくれる。

次は、診断の結果が出る瞬間の音。

結果を出す音・最初の版（3.8秒）。「低い一撃のあと、きらめく和音が上がって長く響く」と頼んだ

映画の予告みたいな「ドーン……キラキラ……」。初めて聴いたときは、え、これ本当に自分の PC から出てるの？？ってなった。素材サイトで探したら、1時間はかかりそうな音が数十秒で出てくる。しかも頼んだ通りの雰囲気で。

夜中に1人で「ドーン」を何回も再生してた。たぶん。

2回つまずいた

ここまで書くと全部うまくいったみたいだけど、実は2回つまずいてる。どっちも、これから入れる人が同じところで止まりそうなので、正直に書いておく。

1回目 モデルが落ちてこない

Windows で使う場合、音を作るモデル本体（約10GB）は Hugging Face という AI モデルの置き場から落としてくる。これがログインと、利用条件への同意が必要なタイプだった。

夜10時49分、言われた通りにターミナルでログインして、こう打った。

ターミナルで貼ってつなげた、これでいけｔるかな？

誤字がそわそわしてる（笑）。で、結果は「403」。ログインはできてたのに、モデルのページで利用条件に同意してなかったので、ダウンロードを断られた。

モデルのページを開いて同意ボタンを押したら、あっさり通った。ここ、ログインだけじゃなくて、モデルごとの同意も自分でやるのがポイント。README にも、AI はユーザーのトークン（合鍵みたいなもの）をチャットで聞いちゃいけない、ログインは本人にやってもらう、とちゃんと書いてある。そういうところまで丁寧な道具なんだよね。

2回目 音が長すぎた

10個そろって大喜び……だったんだけど、あとから見直すと、問題があった。

最初の版は、ボタンを押したときのクリック音が0.28秒、確定の音が0.8秒、結果の音が3.8秒。1つ1つはいい音なのに、ボタンを押すたびに鳴る音としては長すぎる。作り直しの記録には、反省がこう残ってた。

数値検査だけで場面への適合を判断し、聴感の承認を得る前に使った点が課題だった。

音が壊れてないか、音量が大きすぎないかは、数字で全部チェックしてた。でも「その場面で鳴って気持ちいいか」は、耳で聴かないと分からない。当たり前なんだけど、AI に任せてると、ここを飛ばしがちだ。

その夜中の2時40分、操作の音を全部作り直した。できた音の中から一番きれいな一瞬を切り出して、クリックは65ミリ秒、結果の音は0.3秒。聴き比べてみてほしい。

上：クリック音・最初の版（0.28秒）　下：作り直した版（65ミリ秒）
結果を出す音・作り直した版（0.3秒）。さっきの3.8秒の「ドーン」と同じ場面で鳴る

単体で聴くと、長いほうが豪華。でもボタンを10回押すと、短いほうが圧倒的に気持ちいい。7個の操作の音を同じ音色にそろえたら、全部合わせて約18KB。サイトも軽くなった。

いい音といい効果音は違う

BGM も作れる

効果音だけじゃなくて、BGM も作れる。10月21日の朝、同じ診断サイトの受付で流す曲を頼んだ。

Futuristic science-laboratory ambient electronica, transparent glassy synthesizers and precise electronic pulses over cold spacious pads, restrained soft breakbeats and a deep steady bass, calm scientific tension and quiet anticipation（近未来の研究所の電子音楽。透き通ったシンセと正確な電子のパルス、冷たく広がるパッド、控えめなブレイクビートと低いベース。静かな緊張と期待） BPM: 100

受付の BGM（はじめの30秒）。本物は67秒で、終わりと始まりがつながるように加工してある

72秒ぶん作ってもらって、process_audio で頭を少し切り、終わりと始まりを2.4秒かけて重ねて、つなぎ目なしで繰り返せる67秒のループにした。音量も、人の声の放送と重なっても邪魔にならない大きさにそろえてある。

ここまで全部、Claude と Codex に頼んで、私は聴いて「いい」「長い」と言っていただけ。作曲もミックスもできない人が、BGM 付きのサイトを作れちゃう。これが、私が「まじですごい」と言ってる理由だ。

できないこと・気をつけること

もちろん、何でもできるわけじゃない。入れる前に知っておきたいことをまとめる。

  • 歌は作れない：作れるのは楽器の曲と効果音だけ。歌詞のある歌や、言葉として聞き取れる声は出ない。読み上げの声は別の道具（私は Qwen3-TTS を使った）が要る
  • パソコンを選ぶ：Windows は NVIDIA の GPU で VRAM 8GB 以上、空き容量は約14GB。Mac は Apple シリコン（M1 以降）でメモリ16GB 推奨。Intel の Mac と AMD の GPU は対応外
  • 秒単位の指示は守られにくい：「15秒目で盛り上げて」のような指定は、狙い通りにならないことが多い。構成を作り込むなら、作ってから edit_audio で直す
  • 毎回ちがう音が出る：seed ごとに結果がけっこう変わる。候補を2〜4個出して、聴いて選ぶのが前提
  • ライセンスを確かめる：モデルは Stability AI Community License。年間の売上が100万ドル未満なら商用でも使えて、作った音は自分のものになる。ただし商用で使うなら Stability AI への登録が必要で、くわしい条件は自分で読んでおくこと

私の PC は RTX 4060（VRAM 8GB）で、ちょうど条件ぎりぎり。それでもちゃんと動いた。

自分で入れるなら

私がやったのは、Claude Code にこう頼んだことだけ。

https://github.com/kanaworksai-hue/audio-studio-mcp をインストールして、MCP サーバーとして登録して

中で何が起きてるかを知っておくと安心なので、Windows の場合の流れを書いておく（README の手順のまとめ。2026年10月23日に確認）。

  1. Git と ffmpeg（音や動画を変換する道具）を入れておく
  2. リポジトリを手元に持ってきて、付属の install.ps1 を実行する。PyTorch（AI を動かす土台）とモデル本体が入る
  3. Hugging Face の無料アカウントを作ってログインし、使うモデルのページで利用条件に同意する（ここは自分の手で）
  4. Claude Code に MCP サーバーとして登録する（claude mcp add のコマンドで1行）
  5. Claude に「〇〇な効果音を作って」と頼む

作者さんのサイトには、Lo-fi のカフェ音楽、壮大なオーケストラ、ガラスが割れる音、雨と雷など、6つのサンプルが置いてある。入れる前に、まずそっちを聴いてみるのもおすすめ。最新の情報は作者さんの X で流れてくるので、フォローしておくといい。

よく聞かれること

プラグインと MCP サーバーって何が違うの？

ざっくり言うと、プラグインは「AI の道具箱にまとめて足すセット」で、MCP サーバーは「AI が外の道具を使うための差し込み口」。プラグインの中に MCP サーバーが入っていることもある。使う側からすると、どっちも「AI にできることが増える」もの、くらいの理解で大丈夫。

GPU がない PC だと無理？

audio-studio は、Windows なら NVIDIA の GPU が必要。持ってないなら、Apple シリコンの Mac で動かすか、音を作るクラウドのサービスを使うことになる。手元で0円で作れるのは、GPU があってこそだ。

作った音はゲームや動画に使っていい？

モデルのライセンスでは、作った音は自分のものになる。年間の売上が100万ドル未満なら商用でも使える（登録は必要）。ただし条件は変わることがあるので、使う前にライセンスの原文を一度読んでおくのがおすすめ。

X で道具を探すときの注意

宝庫には、ハズレも混ざってる。X で見つけた道具を入れる前に、私が見ているのはこの4つ。

  • GitHub に置いてあって、中身が読めるか：説明書（README）がちゃんとしてるか。何をするのか分からないものは入れない
  • ライセンスが書いてあるか：道具そのものと、使う AI モデルの両方。商用で使えるかもここで分かる
  • 鍵やパスワードを求めてこないか：トークンをチャットに貼らせるような手順は危ない。audio-studio は逆に「聞くな」と書いてあった
  • 入れたあと、何が増えたか分かるか：どこに入って、どう消せるか。私は AI に入れてもらうとき、置き場所を教えてもらうようにしてる

あと、ブックマークを見返すとき、「すごそう」だけで入れないこと。作りたいものがあるときに入れる。audio-studio も、「サイトの効果音をこれで作って」という目的があったから、その日のうちに10個もできた。

X は、作った人の「できました！」が一番早く届く場所だ。良い道具を作ってくれた人には、使ってみた感想を返すと、たぶん喜んでもらえる。このノートが、その1つになったらうれしい。KanaWorks_AI さん、すごい道具をありがとうございます。

つまり何？

このノートから持ち帰れること

音の道具に限らず、AI の新しい道具と付き合うときに使える考え方。

  1. 見つけたらブックマーク、入れるのは目的ができてからブックマークは「あとで使う道具箱」。目的があると、入れたその日に成果まで行ける。新しいアプリ、ライブラリ、AI のプラグイン選び
  2. AI に任せても、最後は自分の目と耳で決める数字の検査は「壊れていないか」までしか分からない。「その場面で気持ちいいか」は人が確かめる。デザイン、音、文章、動画など、感覚で良し悪しが決まるもの
  3. 単体の良さと、使う場面での良さは別3.8秒の豪華な音より、0.3秒の短い音のほうが、ボタンには合っていた。UI の演出、プレゼンの効果、通知の音
  4. 入れる前に、ライセンスと鍵の扱いを見る道具とモデルの両方のライセンス、トークンを誰が扱うか。ここを見るだけで事故はかなり防げる。MCP サーバー、ブラウザ拡張、外部サービスの連携
X で見つけた道具を入れる前の、5つの確認
  • GitHub などで中身と説明書が読めるか
  • 道具とモデル、それぞれのライセンスを読んだか
  • トークンやパスワードをチャットに貼らせる手順になっていないか
  • 自分の PC で動く条件（GPU・メモリ・空き容量）を満たしているか
  • 入れる目的（何を作るか）が決まっているか

やってみよう

記事と同じことを、手元の AI で試せる指示文です。ChatGPT・Gemini・Claude のどれでも使えます。AI は毎回ちがう答えを返すので、記事とまったく同じ条件にはなりませんが、考え方の練習にはしっかり使えます。実際にやってみてください。

練習1効果音の頼み方を4つに分けてもらう

効果音を作る AI に渡す英語のプロンプトを作りたいです。 次の場面の効果音を、「鳴っているもの」「鳴り方」「質感」「鳴っている場所」の4つに分けて、それぞれ英語で短く書いてください。日本語の訳も添えてください。 場面：（例：スマホアプリで、ガチャのレアが出たときの音。長さは1秒以内）

4つに分かれているか。長さや場面（ボタンで何度も鳴るのか、1回だけか）まで考えてくれているか。

練習2見つけた道具を入れていいか点検してもらう

X で見つけた次の道具を、自分の PC に入れようか迷っています。 （例：GitHub の URL と、README の説明の一部を貼る） 入れる前に確かめるべきことを、ライセンス、必要な環境、鍵やトークンの扱い、消し方の4つの観点で挙げて、分かる範囲で答えてください。分からないところは「分からない」と書いてください。

「分からない」をちゃんと分けて書いているか。トークンをチャットに貼るよう求めていないか。

出典・参考にした情報

  1. kanaworksai-hue「audio-studio-mcp」（GitHub、README。英語）
  2. audio-studio-mcp のサンプルページ
  3. KanaWorks_AI さんの X（@KanaWorks_AI）
  4. Stability AI「Community License Agreement」（英語）
  5. VoltAgent「awesome-design-md」（GitHub。英語）
  6. Model Context Protocol 公式サイト（英語）
  7. 音の作成日時・プロンプト・長さは、2026年10月20〜21日の作業記録と、音に付いていた記録ファイル（.json）から

いずれも 2026年10月23日に確認しました。載せた音は、私が audio-studio MCP で作ったものです。下書きには AI を使っていますが、事実関係は自分で確かめてから公開しています。

ウスイのアイコン

ウスイ福岡で個人開発をしています。アプリやゲームを作りながら、分かったことをこのノートに書いています。運営者・編集方針

次に読むなら

  1. 開発記録

    Claude の動画づくりがマジですごい。動画を生成できない AI が、予告編を作れた理由

    Claude は動画を生成できない。画像も作れないし、音も聴けない。なのに、ゲームの予告編と縦動画はほぼ Claude が作った！ 何がすごかったのか、5日間の作業からまとめてみた。

  2. はじめての開発

    Claude Code で最初の1本。1月24日23時41分、このサイトが生まれた夜

    このサイトは、2026年1月24日の夜に Claude Code と作った4つのファイルから始まった。がちでテンションが上がったあの夜からの記録をたどりながら、入れ方と最初の1本の頼み方をまとめた。

  3. 仕事

    AI 活用の始め方：作業を分けて「任せる所」と「確かめる所」を決める

    「AI で効率化」って、ふわっとしすぎなんだよね。作業を工程に分けて、任せる所と確かめる所に線を引く。このノートの記事づくりでやってる分担を例に、手順にした。