核心用法
Music Analysis 是一套完全本地运行的音频分析技能，通过 Python 脚本对音乐文件进行多维度深度解析。核心工具 listen.py 提供一键式"完整聆听"分析，涵盖节奏特征（BPM、稳定性、摇摆感）、和声张力（调性清晰度、色彩变化）、音色描述、结构划分（重复段落检测）、时序情绪能量曲线，以及可选的 Whisper 歌词转写与情感对齐。支持 JSON 与纯文本双输出格式，便于程序化调用或人工阅读。
独立模块包括：
- Snapshot Analysis (
analyze_music.py)：快速提取静态音乐特征 - Temporal Listen (
temporal_listen.py)：滑动窗口分析情绪与张力的时间演变 - Whisper 歌词层：本地运行 large-v3-turbo 模型，过滤音乐标签噪声，在歌词情绪明确时覆盖纯音乐分析结果
显著优点
1. 完全离线：零外部 API 依赖，保障数据隐私与长期可用性
2. 多维融合：首创"歌词覆盖"机制——当 Whisper 识别的歌词情感（如黑暗、温暖、强烈）与编曲分析冲突时，优先采信歌词维度
3. Producer 向输出：乐器音色、段落进出、情绪转折均以自然语言呈现，非冰冷数据
4. 开源生态：基于 librosa、whisper.cpp、ffmpeg，可审计、可扩展
潜在局限
- 计算成本：本地运行 large-v3-turbo 对设备有一定要求；长音频处理耗时
- 主观边界："Swing proxy" 为手感估算，非鼓手级微时间真相；情绪标签源于声学特征推导，非真实心理学测量
- 歌词准确性：Whisper 对模糊发音、密集混音、生僻语言可能存在漏识或幻觉
- 结构标签：A/B/C 为相似性聚类，不承诺对应传统歌曲结构（主歌/副歌）
适合人群
- 音乐制作人需快速生成制作笔记或对比混音版本
- 策展人/编辑需要批量标注曲库情绪标签
- 研究者进行非侵入式音频内容分析（隐私敏感场景）
- 开发者构建本地化音乐推荐或可视化 pipeline
常规风险
| 风险类别 | 说明 |
|---------|------|
| 版权 | 用户需自行确保输入音频的合法使用权；工具本身不验证版权 |
| 隐私 | 歌词内容可能包含敏感信息，处理结果需按数据分类定级存储 |
| 误读 | 情绪覆盖机制若遇 Whisper 错误识别，可能输出偏差结论；建议置信度阈值过滤 |
| 依赖 | ffmpeg、whisper-cli 缺失会导致功能降级或失败，需预装环境 |