【openclaw实用Skill】songsee 技能

使用songsee CLI从音频生成频谱图和特征面板可视化。

技能概述

songsee 技能是一个命令行工具，用于从音频文件生成频谱图和特征面板可视化。它支持多种可视化类型，包括频谱图、梅尔频谱、色度图、和声/打击乐分离（HPSS）、自相似性、响度、节奏图、MFCC和频谱通量等。songsee非常适合音频分析、音乐可视化和音频特征提取等场景。

下载地址：https://github.com/openclaw/openclaw/tree/main/skills

主要功能

• 频谱图生成：生成高质量的音频频谱图
• 多面板可视化：支持多种音频特征的可视化
• 时间切片：提取音频的特定时间段
• 多种输出格式：支持JPG和PNG格式
• 自定义样式：支持多种配色方案
• 灵活配置：支持FFT设置、频率范围等参数调整
• 标准输入支持：支持从stdin读取音频数据

触发条件

当用户需要执行以下操作时，应该使用songsee技能：

• 生成音频的频谱图
• 可视化音频的多种特征
• 分析音频的频率内容
• 提取音频的特定时间段
• 进行音乐可视化
• 音频特征提取和分析

使用场景

场景1：音频分析

用户需要分析音频的频率内容和特征，可以使用songsee生成频谱图和特征面板。

场景2：音乐可视化

用户需要创建音乐的可视化效果，可以使用songsee的多面板功能。

场景3：音频特征提取

用户需要提取音频的特定特征（如MFCC、色度等），可以使用songsee的特征面板。

场景4：音频片段分析

用户需要分析音频的特定时间段，可以使用songsee的时间切片功能。

处理过程

1. 基本频谱图生成

使用songsee生成音频的基本频谱图。

songsee track.mp3

2. 多面板可视化

使用多个可视化类型生成音频特征面板。

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

3. 时间切片提取

提取音频的特定时间段并生成可视化。

songsee track.mp3 --start 12.5 --duration 8 -o slice.jpg

4. 标准输入处理

从stdin读取音频数据并生成可视化。

cat track.mp3 | songsee - --format png -o out.png

输入要求

使用songsee需要以下输入：

• 音频文件：要分析的音频文件路径（支持WAV、MP3等格式）
• 可视化类型：可选的可视化类型列表
• 输出路径：可选的输出文件路径
• 时间参数：可选的起始时间和持续时间
• 输出格式：可选的输出格式（jpg或png）
• 样式参数：可选的配色方案、尺寸等
• FFT参数：可选的窗口大小、跳步等FFT设置
• 频率范围：可选的最小和最大频率

输出说明

songsee提供以下输出：

• 频谱图：音频的频谱可视化
• 特征面板：多种音频特征的可视化
• 图像文件：JPG或PNG格式的可视化图像
• 网格布局：多个可视化类型的网格布局

常用参数

• --viz：可视化类型列表（可重复或逗号分隔）
• --style：配色方案（classic、magma、inferno、viridis、gray）
• --width：输出宽度
• --height：输出高度
• --window：FFT窗口大小
• --hop：FFT跳步大小
• --min-freq：最小频率
• --max-freq：最大频率
• --start：起始时间（秒）
• --duration：持续时间（秒）
• --format：输出格式（jpg或png）

可视化类型

• spectrogram：标准频谱图
• mel：梅尔频谱图
• chroma：色度图
• hpss：和声/打击乐分离
• selfsim：自相似性矩阵
• loudness：响度
• tempogram：节奏图
• mfcc：梅尔频率倒谱系数
• flux：频谱通量

使用示例

示例1：基本频谱图

songsee track.mp3

示例2：多面板可视化

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

示例3：时间切片

songsee track.mp3 --start 12.5 --duration 8 -o slice.jpg

示例4：标准输入

cat track.mp3 | songsee - --format png -o out.png

示例5：自定义样式

songsee track.mp3 --style magma --width 1920 --height 1080

示例6：特定频率范围

songsee track.mp3 --min-freq 20 --max-freq 20000

示例7：自定义FFT设置

songsee track.mp3 --window 2048 --hop 512

最佳实践

音频格式支持

• WAV和MP3格式原生支持
• 其他格式需要ffmpeg（如果可用）
• 确保音频文件格式正确

可视化类型选择

• 根据分析需求选择合适的可视化类型
• 多个--viz参数会渲染网格布局
• 可以从逗号分隔的列表中选择多个类型

输出质量优化

• 使用--width和--height控制输出尺寸
• 选择合适的配色方案以突出特征
• 对于高质量输出，使用PNG格式

时间切片使用

• 使用--start和--duration提取特定时间段
• 时间参数以秒为单位
• 适合分析音频的特定部分

频率范围控制

• 使用--min-freq和--max-freq控制频率范围
• 可以聚焦于特定的频率区间
• 适合分析特定频段的特征

FFT设置

• 使用--window和--hop调整FFT参数
• 较大的窗口提供更好的频率分辨率
• 较小的跳步提供更好的时间分辨率

标准输入处理

• 支持从stdin读取音频数据
• 适合管道操作
• 使用-作为输入文件名

安装说明

songsee可以通过Homebrew安装：

• Homebrew安装：brew install steipete/tap/songsee

安装完成后，确保songsee命令在PATH中可用。对于非WAV/MP3格式，建议安装ffmpeg以获得更好的格式支持。