免费在 GitHub 公开中文介绍

songsee

将音频文件的频率、响度、音高和节奏等特征转为图像，可把多种图表排在同一张图中，或仅显示指定片段，用于比较音频和检查语音合成。

原文查看原文说明

Audio spectrograms/features (mel, chroma, MFCC) via CLI.

NousResearch/hermes-agent

AI 评分90分/ 100 查看安装方法

适用场景

比较不同音频输出的特征
检查合成语音的问题
可视化录音中的指定片段
制作解释音频处理的配图

中文介绍

功能

从音频文件生成声谱图，以颜色展示频率随时间的变化，也可生成表示响度、音高、节奏等特征的图像。通过songsee，可以将多种图表排列在同一张图中。支持指定开始时间和持续时长，只显示选定片段，并可调整配色、图像尺寸和显示的频率范围。

适用场景

适合比较多个音频输出，或通过图表检查合成语音的状态。也可针对录音中的某个片段进行分析，或为解释音频处理流程的资料制作配图。输出格式为PNG或JPG。

使用示例

“将这个MP3的声谱图保存为PNG。”
“把频率、响度和节奏图排在同一张图中。”
“只将从12.5秒开始的8秒音频转为图像。”

注意事项

需要songsee命令，安装时使用Go。WAV和MP3可直接读取，其他格式需要ffmpeg。生成的图像也可通过vision_analyze检查，用于音频分析。支持Linux、macOS和Windows。

本介绍由 AI（OpenAI Codex）根据公开的 SKILL.md 撰写。准确的规格请查看下方原文。

客观评估

AI 仅根据 SKILL.md 的内容，从 4 个方面进行了评估。星标数和热度不计入评估。

指令清晰度能否看出何时使用、做什么: A良好明确说明从音频生成图像，并用于输出比较和合成问题检查等场景。
步骤具体性步骤、输入输出和示例是否具体: A良好提供songsee命令示例及指定片段、图像格式和输出路径的参数。
安全性发送数据、删除文件、执行命令等是否有说明: B部分不足有命令执行和图像保存示例，但未说明如何处理已有的输出文件。
安装难易度所需工具和 API 密钥是否少且有说明: A良好提供Go安装链接、安装命令及需要ffmpeg的条件。

总分按每项 A=25 分、B=15 分、C=5 分相加。由 AI（OpenAI Codex）于 2026年10月19日评估。仅供参考，安装前请同时查看原文。

如果您认为评估有误，请申请复核

包含的文件（1）

SKILL.md2.3 KB

SKILL.md（原文）

安装前可以查看交给 AI 代理的指令内容。

songsee

Generate spectrograms and multi-panel audio feature visualizations from audio files.

Prerequisites

Requires Go:

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

Optional: ffmpeg for formats beyond WAV/MP3.

Quick Start

# Basic spectrogram
songsee track.mp3

# Save to specific file
songsee track.mp3 -o spectrogram.png

# Multi-panel visualization grid
songsee track.mp3 --viz spectrogram,mel,chroma,hpss,selfsim,loudness,tempogram,mfcc,flux

# Time slice (start at 12.5s, 8s duration)
songsee track.mp3 --start 12.5 --duration 8 -o slice.jpg

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

Visualization Types

Use --viz with comma-separated values:

Type	Description
`spectrogram`	Standard frequency spectrogram
`mel`	Mel-scaled spectrogram
`chroma`	Pitch class distribution
`hpss`	Harmonic/percussive separation
`selfsim`	Self-similarity matrix
`loudness`	Loudness over time
`tempogram`	Tempo estimation
`mfcc`	Mel-frequency cepstral coefficients
`flux`	Spectral flux (onset detection)

Multiple --viz types render as a grid in a single image.

Common Flags

Flag	Description
`--viz`	Visualization types (comma-separated)
`--style`	Color palette: `classic`, `magma`, `inferno`, `viridis`, `gray`
`--width` / `--height`	Output image dimensions
`--window` / `--hop`	FFT window and hop size
`--min-freq` / `--max-freq`	Frequency range filter
`--start` / `--duration`	Time slice of the audio
`--format`	Output format: `jpg` or `png`
`-o`	Output file path

Notes

WAV and MP3 are decoded natively; other formats require ffmpeg
Output images can be inspected with vision_analyze for automated audio analysis
Useful for comparing audio outputs, debugging synthesis, or documenting audio processing pipelines

评价

还没有评价。欢迎分享你的使用感受。

无需登录即可发表。欢迎分享使用感受、提问，或说明在哪些环境下无法运行。

还没有评论。来写第一条吧。

同一仓库的技能