$ loading_
通过离线确定性引擎渲染、分析并校验 WAV/FLAC 音频。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"cochlea" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请使用 cochlea 对这个 WAV 文件做校验，检查渲染结果或音频内容是否符合预期，并返回验证结论。
返回音频校验结果，说明文件是否通过验证及相关分析结论。
请使用 cochlea 分析这个 FLAC 音频文件，并总结可用于质量检查的关键信息。
输出音频分析结果，便于进一步判断质量或内容特征。
请使用 cochlea 以离线、确定性的方式处理并渲染这个音频输入，返回生成结果与验证信息。
得到渲染后的音频结果，以及对应的验证或分析说明。
开发者在让 AI 代理处理音频任务时，可用它对 WAV 或 FLAC 文件进行离线分析与校验，获得更稳定、可复现的结果。
当工作环境不适合依赖联网服务时，团队可以使用这个工具通过离线引擎完成音频渲染、分析和验证。
它是一个 MCP 工具，可通过完全离线、确定性的引擎对 WAV 或 FLAC 音频进行渲染、分析和校验，并供 AI 代理调用。
给定信息明确提到支持 WAV 和 FLAC。是否支持更多格式，见源码仓库。
现有素材只说明它是一个通过 MCP 暴露的离线确定性引擎，未提供安装步骤或依赖要求；具体以前源码仓库为准。
帮助你检查本地音频文件的播放、元数据、响度和频谱信息。
分析音频文件的节奏、调性与结构，并输出结构化数据和可视化结果。
为兼容MCP的客户端提供音频转写、智能切分与会议分析能力。
通过 MCP 调用 RoEx Tonn API，完成音频混音、母带处理与分析。
将音频自动转写为含说话人、时间戳、摘要和行动项的结构化文档
为 AI 应用提供实时发音评分与多维语音测评能力