核心功能
galdr 是一款开源命令行音频分析工具，专注于将音乐解构为可量化的结构指标，并生成用于创作约800字第一人称沉浸式聆听体验的完整提示词。
主要能力
1. 音频获取与分析：支持 YouTube URL 自动下载或本地音频文件，提取多维度结构指标
2. 结构指标计算：包括 pattern_lock（模式锁定度）、hp_balance（和声-打击乐平衡）、breath_balance（呼吸形态）、momentum（动量曲线）、silence 结构等
3. 提示词组装：通过 galdr assemble 将指标、歌词、背景信息整合为可用于大语言模型的结构化提示
4. 视频帧提取：galdr frames 可在音乐结构关键节点提取视觉帧，支持视听交叉分析
5. 曲目比较：galdr compare 提供并排的结构性对比
显著优点
- 方法论严谨：强调时间优先的分析路径（
*_stream.json时序数据为核心），避免先入为主的整体情绪判断 - 输出标准化：JSON 结构化数据便于程序化调用和二次开发
- 开源可信：PyPI 官方分发，源码公开可审计
- 模板化写作：
--template arc提供经过验证的聆听体验写作规范
局限与注意事项
- 非实时工具：不支持实时音频流分析，必须预先获取完整文件
- 依赖链复杂：依赖 yt-dlp、ffmpeg、可选 JavaScript 运行时，跨平台稳定性需验证
- 文化语境有限：
--mode blind仅输出结构指标，需外部补充文化背景 - 写作质量依赖下游模型：生成散文的最终质量取决于接入了哪个 LLM 端点
典型使用场景
- 音乐评论者需要结构化的分析锚点而非主观印象
- 创作者研究特定曲目的工程结构（如为何某段"抓耳"）
- 比较同一 artist 不同时期作品的结构演变
- 视听作品分析（配合
galdr frames）
常规风险
- 版权敏感：YouTube 下载功能可能触及平台 ToS 和版权法灰色地带
- 依赖项漂移：yt-dlp 因对抗 YouTube 反爬机制需频繁更新，
galdr update-deps是必要维护动作 - 提示词注入风险：若将未审查的
assemble输出直接 pipe 到外部 LLM，需警惕提示词内容是否包含恶意构造的元数据
技术栈定位
Python CLI → 音频特征提取（librosa 生态）→ JSON 中间表示 → 模板引擎 → 提示词输出。本质是将可计算的听觉特征转化为可叙述的聆听体验。