Songsee - аудиоспектрограммы и признаки (mel, chroma, MFCC) через CLI

Аудиоспектрограммы и признаки вроде mel, chroma и MFCC через CLI.

Метаданные навыка

Источник	Встроенный (устанавливается по умолчанию)
Путь	skills/media/songsee
Версия	1.0.0
Автор	community
Лицензия	MIT
Теги	Audio, Visualization, Spectrogram, Music, Analysis

Справка: полный SKILL.md

Ниже приведено полное определение навыка, которое Hermes загружает при его активации. Именно эти инструкции агент видит во время работы навыка.

songsee

Генерируйте спектрограммы и многопанельные визуализации аудиопризнаков из аудиофайлов.

Требования

Требуется Go:

go install github.com/steipete/songsee/cmd/songsee@latest

Дополнительно: ffmpeg для форматов помимо WAV и MP3.

Быстрый старт

# Базовая спектрограмма
songsee track.mp3

# Сохранение в конкретный файл
songsee track.mp3 -o spectrogram.png

# Многопанельная сетка визуализаций
songsee track.mp3 --viz spectrogram,mel,chroma,hpss,selfsim,loudness,tempogram,mfcc,flux

# Временной фрагмент (старт с 12.5 с, длительность 8 с)
songsee track.mp3 --start 12.5 --duration 8 -o slice.jpg

# Из stdin
cat track.mp3 | songsee - --format png -o out.png

Типы визуализаций

Используйте --viz со значениями через запятую:

Type	Description
spectrogram	Стандартная частотная спектрограмма
mel	Спектрограмма в mel-шкале
chroma	Распределение по pitch classes
hpss	Разделение гармонической и перкуссионной составляющей
selfsim	Матрица самоподобия
loudness	Громкость во времени
tempogram	Оценка темпа
mfcc	Mel-frequency cepstral coefficients
flux	Spectral flux для детекции onset

Несколько значений --viz рендерятся как сетка в одном изображении.

Часто используемые флаги

Flag	Description
--viz	Типы визуализаций через запятую
--style	Цветовая палитра: classic, magma, inferno, viridis, gray
--width / --height	Размеры выходного изображения
--window / --hop	FFT-окно и hop size
--min-freq / --max-freq	Фильтр по диапазону частот
--start / --duration	Временной фрагмент аудио
--format	Выходной формат: jpg или png
-o	Путь к выходному файлу

Примечания

• WAV и MP3 декодируются нативно; для других форматов нужен ffmpeg
• Выходные изображения можно анализировать через vision_analyze для автоматизированного анализа аудио
• Навык полезен для сравнения аудиовыходов, отладки синтеза или документирования пайплайнов обработки аудио