核心用法
本技能提供两套 Python 脚本，均基于纯信号处理（无 AI/ML 模型）：
1. Quick Analysis（全局快照）
- 输出：时长、采样率、BPM、调性估算、能量统计（RMS 均值/标准差/P95）、频谱摘要（质心、滚降点、对比度）、粗略段落边界
- 适用场景：快速技术质检、元数据提取
2. Temporal Listen（时序深度分析）
- 采用 4 秒滑动窗口（2 秒步进），生成完整时间线：
- 相对能量水平
- 情绪标签（14 种分类，如 submerged、soaring、erupting）
- 过渡检测（drop、色彩变化、演进）
- 纹理分解（谐波/打击乐比例、起音密度、粗糙度）
- 张力模型与叙事弧（mountain、ascending、plateau 等）
- 峰值/静默时刻定位
- 适用场景：混音对比、情绪 journey 可视化、制作笔记生成
显著优点
| 维度 | 优势 |
|------|------|
| 隐私 | 100% 本地运行，音频数据不上传 |
| 成本 | 零 API 费用，适合批量处理 |
| 透明度 | 规则化情绪映射，可解释性强 |
| 生态兼容 | 支持 ffmpeg 可解码的任意格式（mp3/wav/flac/ogg/m4a） |
| 扩展性 | 可配合 yt-dlp 下载 YouTube/Spotify 音源；可选 Whisper 本地转录 |
潜在局限
- 调性检测：基于 chromagram 的统计估算，对无调性音乐、频繁转调曲目准确率下降
- BPM 计算：依赖 librosa.beat_tempo，对极端速度（<60 或 >200 BPM）或复杂拍号可能偏差
- 情绪标签：规则映射基于西方流行音乐特征，对非西方调式、实验电子、氛围音乐可能误标
- 性能：时序分析需逐帧 STFT 计算，长曲目（>10 分钟）处理耗时显著
适合人群
- 音乐制作人/混音工程师：批量质检、版本对比
- 音乐学者：结构分析、情绪标注数据集构建
- 播客/视频创作者：自动化音频元数据提取
- 隐私敏感用户：拒绝云服务的本地优先工作流
常规风险
| 风险类型 | 说明 | 缓解措施 |
|----------|------|----------|
| 版权音频 | 通过 yt-dlp 下载受版权保护内容可能违法 | 仅分析自有版权或 CC 授权音频 |
| 系统依赖 | ffmpeg/librosa 版本差异可能导致解码失败 | 使用技能提供的 venv 隔离环境 |
| 存储膨胀 | 临时音频文件累积 | 严格使用 `tmp/` 目录（已 gitignore） |
| 误用情绪标签 | 规则标签≠主观听感，直接用于商业推荐可能失真 | 作为辅助参考，关键决策需人工复核 |