songsee

songsee 技能為您的開發或資料分析工作流程提供高效能的音訊視覺化功能。作為命令列介面，它能將原始音訊檔案轉換為豐富、具有洞察力的視覺表示，協助使用者理解音訊資料的頻譜、節奏和紋理特性。無論您是在進行音樂資訊檢索 (MIR)、除錯音訊處理流程，還是執行鑑識音訊分析，songsee 都是可靠的視覺診斷工具。它原生支援包括 WAV 和 MP3 在內的標準格式，並透過 ffmpeg 提供更廣泛的格式支援。

• 支援多種視覺化格式，包括頻譜圖、梅爾頻譜圖 (mel-spectrogram)、色度圖 (chroma)、諧波-打擊樂源分離 (hpss)、自相似矩陣、響度、節奏圖 (tempogram)、MFCC 及頻譜通量。

• 可配置的視覺輸出，提供包括 magma、inferno、viridis、classic 和灰階等多種配色方案，滿足研究或展示需求。

• 精確的時間切片功能，允許使用者透過定義開始時間和持續時間，提取並視覺化音訊檔案的特定片段。

• 靈活的輸出自訂選項，包括可調整的 FFT 視窗/跳躍設定、頻率範圍篩選及輸出尺寸。

• 強大的命令列整合，支援檔案輸入與標準輸入 (stdin) 管道，適用於自動化處理流程。

• 支援的音訊輸入格式包括原生的 WAV/MP3 解碼，若系統中偵測到 ffmpeg，則會自動處理其他附加格式。

• 當同時請求多種類型的視覺化時，支援網格樣式佈局，方便進行全面的資料比較。

• 極力推薦給研究人員與開發人員，特別是在處理 AI 音訊代理、機器學習音訊特徵工程或一般音訊分析任務時。

• 若處理複雜或非標準音訊編碼，請確保已安裝 ffmpeg 以確保廣泛的相容性。

• 輸出結果可儲存為 PNG 或 JPG 等標準高品質影像格式，適合整合至報告或文件中。