用 songsee CLI 从音频生成频谱图与特征面板可视化,便于分析与展示。
从材料看,songsee 主要是本地将音频生成频谱/特征可视化的开源 CLI,未声明需要密钥或远程连接,整体风险较低。其主要注意点仅在于会读取本地/标准输入音频并写出图像文件,且某些格式可能依赖本机 ffmpeg。
材料明确标注“需要的密钥/环境变量:无”,README 也未要求 API key、账户令牌或其他敏感凭证,未见明显凭证泄露或滥用面。
材料标注“远程端点 host:无”,README 仅描述本地处理音频生成图像,未声明向外部服务发送用户音频、元数据或结果,未见网络外发迹象。
系统检查项为“prompt-only”,且文档仅展示命令行参数用法;未见其声明具备任意代码执行、启动额外系统服务或扩展系统权限的能力。README 提到“其他格式使用 ffmpeg if available”,更像可选本地依赖而非额外远程执行面。
按说明,该工具会读取用户提供的本地音频文件或 stdin,并将可视化结果写到本地输出文件;这属于其声明功能所需的常规本地数据访问,未见超出音频输入/图像输出范围的过度授权描述。
来源为 GitHub 开源仓库,且社区采用度很高(约 377k star),源码原则上可审计,这些都是明显的降风险因素。需留意的是许可证未声明、维护状态未知,但仅凭现有材料不足以上升为高风险。
复制安装指令,让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "songsee" 技能: 1. 下载 https://raw.githubusercontent.com/openclaw/openclaw/main/skills/songsee/SKILL.md 2. 保存为 ~/.claude/skills/songsee/SKILL.md 3. 装好后重载技能,告诉我可以用了
请告诉我如何用 songsee CLI 对本地音频文件 sample.wav 生成频谱图,并说明常用参数及输出文件位置。
一组可直接执行的命令示例,附带参数说明与生成结果说明。
我想用 songsee CLI 为一段音频生成包含频谱、能量和其他特征的面板图,请给出命令、参数建议,以及适合论文插图的导出设置。
包含多特征可视化的命令方案,以及适合展示或发表的导出建议。
请帮我设计一个脚本,批量调用 songsee CLI 处理一个文件夹中的所有音频,统一生成频谱图并按文件名保存到 output 目录。
一个批处理脚本或命令流程,用于自动化生成并整理多个音频可视化结果。
Generate spectrograms + feature panels from audio.
Quick start
songsee track.mp3songsee track.mp3 --viz spectrogram,mel,chroma,hpss,selfsim,loudness,tempogram,mfcc,fluxsongsee track.mp3 --start 12.5 --duration 8 -o slice.jpgcat track.mp3 | songsee - --format png -o out.pngCommon flags
--viz list (repeatable or comma-separated)--style palette (classic, magma, inferno, viridis, gray)--width / --height output size--window / --hop FFT settings--min-freq / --max-freq frequency range--start / --duration time slice--format jpg|pngNotes
--viz renders a grid.使用 sherpa-onnx 在本地离线将文本快速转换为语音,无需云服务。
帮助你自动控制网页流程,处理多步骤操作、登录检查与标签页管理。
快速生成概念、架构、流程与白板图,支持 SVG、HTML 或 Excalidraw 格式
帮助用户对收件箱消息进行分流、跟进等待回复并生成后续摘要。
通过命令行控制飞利浦 Hue 灯光与场景,便捷实现智能照明操作自动化。
帮助你用 node inspect 与性能分析工具定位 Node.js 调试与性能问题。
通过语义搜索音频样本,并辅助 MIDI 生成、分轨等音乐制作流程。
自动分析视频并生成音效提示表、检索或生成音效素材。
分析音频文件并提取响度、节奏、调性等精确参数,用于 DAW 智能控制。
为 Python 代码生成单元测试,并提供覆盖率前后对比与边界用例建议。
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。
获取真实歌曲的节拍、调性、情绪与流派元数据,用于分析与内容制作。