XSXB-Band · 小宝乐队

让 Agent 写谱，用真实录音的乐器演奏。

XSXB-Band 是一个本地编曲工作室，配套一个 Agent skill。你在聊天窗口里描述想要的音乐，Agent 写出一份每个音都能改的乐谱，工作室用真人演奏、真实录音的乐器把它演奏出来，导出 WAV、MIDI 和分轨。不调用任何音乐生成模型，也不需要 API Key。

为什么做这个

Agent 做视频时配的背景音乐，通常是它写代码用正弦波、方波“算”出来的：音色从头到尾一个样，每个音一样响、死死卡在拍子上，而写代码的 AI 自己听不见。

XSXB-Band 换了一个分工：谱子本质上是文字，交给 AI 写；演奏交给真实录音。播放引擎会为每个音找最近的录音、按力度换用轻重不同的录音、轮换同一个音的多次录音，再加一点人性化和混响。AI 听不见，就看渲染报告里的电平和削波自己调平衡。

交给 Agent 安装

不需要自己研究 Node.js 和构建命令。把仓库地址发给你的 Agent（Claude Code、Codex 等能读文档、能跑命令的 Agent），并发送：

请安装 XSXB-Band：https://github.com/sparklecatta-lang/XSXB-Band 。按仓库里的 AGENTS.md 安装依赖、构建、测试、启动服务，并把 skill 装好。不要预先下载整个音源库。

Agent 会从 AGENTS.md 读取安装步骤。手动安装：需要 Node.js 22.12+（推荐 24 LTS），运行 npm ci、npm run build、npm start（Windows 可双击 start.bat），然后打开 http://127.0.0.1:4318 ，再把 skills/xsxb-band/ 复制进 Agent 的 skills 目录。

怎么用

用起来跟用 Suno 差不多，只是对面是你的 Agent：

做一段三十秒的古风，萧瑟一点，负能量，适合做氛围。

弄个 trap beat，一惊一乍的那种。

给这段过场动画配乐，前半段民乐铺垫，Boss 起身时转成金属。

Agent 会挑乐器、写谱、渲染、看报告调平衡，最后给你音频，并把可编辑的工程存进歌曲库。不满意就接着说：“二胡往后放一放”“改成一分钟”“换成爵士”。

想自己动手，打开 http://127.0.0.1:4318 ：钢琴卷帘、鼓机、每轨音量 / 声像 / 混响、奏法和吉他效果都可以直接改。操作说明见 docs/GUIDE.md。

examples/ 里有六个不同风格的示范工程（古风、爵士、电影配乐、trap、治愈民谣、民乐金属），可以让 Agent 打开来改。

乐器

71 种乐器，外加 2 个实测箱体 IR 和 4 个 NAM 神经网络箱头模型：

类别	乐器
键盘	立式钢琴、FM 电钢琴（Yamaha TX81Z）、簧风琴
弦乐与吉他	小提琴组、大提琴组、竖琴、原声吉他、干净电吉他、分层电吉他（延音 / 短奏）、实心电吉他直录
低音	低音提琴、拨片电贝斯、808 低音、Moog 式合成器贝斯（可滑音）
管乐	长笛、双簧管、次中音萨克斯（连奏、颤音）、圆号、小号、长号
合成器	G-funk 哼鸣主音（圆润 / 坏笑鼻音两种，带 portamento 滑音）
敲击	马林巴、颤音琴、卡林巴、定音鼓、大锣、管钟
鼓	分层架子鼓（底鼓、军鼓、踩镲、嗵鼓、吊镲）、叮叮镲、平头镲、Roland TR-808（底鼓、军鼓、拍手、踩镲、边击 / 牛铃 / 响棒 / 沙锤）、基础鼓件
手鼓与小打击	康加鼓、邦戈鼓、手鼓、铃鼓、雪橇铃、指钹、尼泊尔铃、铃树、风铃
民乐	古筝（真古筝，D F G A C 定弦）、唢呐、箫、笛子、二胡、越南筝
人声	小宝人声（男声长音、低音短音、假声）、小宝人声 · 女声、两套 Beatbox，以及你自己录的人声（见下）
采样盒	公版讲话（阿波罗登月、肯尼迪演讲）、古典乐句、CC0 人声短句、自制爵士唱片切片，切片自动拉伸到歌曲速度
质感	黑胶底噪

实时列表以 /api/library 为准。

用你自己的声音

没有找到能用的 CC0 合唱长音，所以有音高的人声由你自己录：

运行 start.bat，用 Chrome 或 Edge 打开 http://127.0.0.1:4318/voice-kit/ 。
每个音点一下录音：耳机里先放参考音，倒数两下，唱四秒，自动停止并保存。45 个必录音大约 10 分钟。说明见 voice-kit/录音说明.md。
运行 python voice-kit/slice_voice.py，会自动切片、测音高、修正唱偏的音、做循环，把重复的短音按波形拆开，生成一件"我的人声"乐器。奏法有乌、啊、哼、dm 低音、吧短音、假声；如果录了 beatbox，还会多一件个人 beatbox。
可选：python voice-kit/derive_voice.py 用 WORLD 声码器变出一个女声版本；voice-kit/publish_voice.py 把你的声音用 CC0 发布到自己的 GitHub 仓库。

之后就能让 Agent 写只有人声的阿卡贝拉，也能和乐器一起用。个人音色只保存在本机的 data/ 里，不会上传，也不会进仓库。作者自己录的一套已经作为"小宝人声"公开，可以直接用。

音源与下载

仓库里没有任何音频。 public/library.json 只记录每个文件的作者仓库、固定版本下载地址、大小、SHA-256 和许可。
工程用到某个乐器时，工作室会从作者的原始地址自动下载到本机 data/samples/，校验通过才使用。只下载用得到的乐器；全部下载约 1.5 GB。
乐器录音全部是 CC0（作者放弃版权）。NAM 箱头模型是 GPL-3.0，同样只按需下载、不随仓库分发。
人声、古筝、唢呐、箫、采样盒、自制唱片切片和 G-funk 合成器是本项目自己录制、加工或合成的，上游素材全部是 CC0 或公有领域，托管在 XSXB-Band-Samples，同样以 CC0 发布，并附带 SFZ 文件，可以单独加载到采样器里。采样盒每一条的出处见 docs/SAMPLE-CRATE.md。
来源与逐文件记录：docs/SAMPLE-LICENSES.md、docs/REALISM-SOURCES.md、docs/HIPHOP-SOURCES.md、docs/METAL-SAMPLE-LICENSES.md、docs/AMP-SOURCES.md、docs/VOCAL-SOURCES.md。

限制

808 低音没有滑音（glide），采样没有循环点，长音会随录音自然结束。需要滑音时用 Moog 式合成器贝斯。
采样器不会唱歌词：人声只能唱乌、啊、哼这类无词元音和 beatbox。
古筝、笛子、二胡来自有损的公开试听版；唢呐和箫是用双簧管、竖笛加工的替代音色。
吉他没有真实的掌根闷音和推弦；连奏只在人声、萨克斯、箫和合成器上有；开镲不会被闭镲切断。
AI 不会替你判断好不好听，最后要靠你的耳朵。

给开发者

接口：docs/AGENT-API.md；音频引擎：docs/AUDIO.md。
npm run dev 开发模式，npm test 运行测试。
命令行：node scripts/agent.mjs（读写工程、歌曲库、下载音源）。

许可

代码以 MIT 许可发布。音源不属于本仓库，各自遵循原作者的许可（乐器录音 CC0，NAM 模型 GPL-3.0）。第三方代码见 THIRD_PARTY_NOTICES.md。