Songsee
通过 CLI 生成音频频谱图/特征（mel、chroma、MFCC）。
技能元数据
| 来源 | 内置（默认安装） |
| 路径 | skills/media/songsee |
| 版本 | 1.0.0 |
| 作者 | 社区 |
| 许可证 | MIT |
| 标签 | Audio, Visualization, Spectrogram, Music, Analysis |
参考：完整 SKILL.md
信息
以下是该技能被触发时 Hermes 加载的完整技能定义。这是技能激活时 Agent 看到的指令。
songsee
从音频文件生成频谱图和多面板音频特征可视化图。
前置条件
需要安装 Go：
go install github.com/steipete/songsee/cmd/songsee@latest
可选：对于 WAV/MP3 之外的格式，需要 ffmpeg。
快速开始
# 基础频谱图
songsee track.mp3
# 保存到指定文件
songsee track.mp3 -o spectrogram.png
# 多面板可视化网格
songsee track.mp3 --viz spectrogram,mel,chroma,hpss,selfsim,loudness,tempogram,mfcc,flux
# 时间切片（从 12.5 秒开始，持续 8 秒）
songsee track.mp3 --start 12.5 --duration 8 -o slice.jpg
# 从标准输入读取
cat track.mp3 | songsee - --format png -o out.png
可视化类型
使用 --viz 参数，以逗号分隔多个值：
| 类型 | 描述 |
|---|---|
spectrogram | 标准频率频谱图 |
mel | Mel 刻度频谱图 |
chroma | 音级分布 |
hpss | 谐波/打击乐分离 |
selfsim | 自相似矩阵 |
loudness | 随时间变化的响度 |
tempogram | 节奏估计 |
mfcc | 梅尔频率倒谱系数 |
flux | 频谱通量（起始检测） |
多个 --viz 类型会在单张图片中渲染为网格。
常用标志
| 标志 | 描述 |
|---|---|
--viz | 可视化类型（逗号分隔） |
--style | 调色板：classic、magma、inferno、viridis、gray |
--width / --height | 输出图像尺寸 |
--window / --hop | FFT 窗口和跳跃大小 |
--min-freq / --max-freq | 频率范围过滤 |
--start / --duration | 音频的时间切片 |
--format | 输出格式：jpg 或 png |
-o | 输出文件路径 |
注意事项
- WAV 和 MP3 原生解码；其他格式需要
ffmpeg - 输出图像可通过
vision_analyze进行检查，用于自动化音频分析 - 适用于比较音频输出、调试合成或记录音频处理流程