2409324124/yakui-studio

Yakui Studio

Verbinde tatsächliche Audioanalyse, Kandidatentranskription, manuelle Korrektur und editierbare Projekte. Verwende die vom Benutzer angegebenen Referenzen und akzeptierte Musik; die Musikproduktion selbst autorisiert keine Änderungen an Spielen oder Veröffentlichungspaketen.

Start und Ressourcen

Das installierte npm-Paket stellt die lokale yakui-studio-Workbench bereit; yakui-studio --no-open startet nur den Dienst. yakui-studio setup --agent codex|claude|opencode|all installiert diesen Skill sowie den gleichrangigen procedural-chiptune-Skill; Standard ist codex. Die Ziele sind $CODEX_HOME/skills (Standard ~/.codex/skills), ~/.claude/skills bzw. ~/.config/opencode/skills (unter Berücksichtigung von XDG_CONFIG_HOME). Mit --skills-dir PATH wird ein einzelnes Verzeichnis angegeben, mit --replace wird eine vorhandene Version gesichert und dann installiert. Wenn der Skill an andere Orte kopiert wird, sollten beide Ordner weiterhin nebeneinander liegen.

• yakui-studio music setup --profile basic: Richte die Python-Umgebung für Analyse / programmatische Synthese ein.
• yakui-studio music setup --profile transcribe: Installiere bei Bedarf Abhängigkeiten für echte Spuren und Transkription; die erste Spuranwendung erfordert möglicherweise das Herunterladen von Modellen.
• music analyze/separate/transcribe/review/init/render ruft die mitgelieferten Python-Tools auf; music import wandelt Kandidaten in ein Workbench-Projekt um. Führe den entsprechenden Unterbefehl --help aus, um die aktuellen Parameter zu bestätigen, insbesondere Transkriptionsmodus, Ein-/Ausgabepfade und BPM.

Wenn nur der Skill installiert ist, können die Tools in procedural-chiptune/scripts trotzdem direkt ausgeführt werden; die Pfade zu Skripten und Vorlagen werden relativ zum Skill-Verzeichnis aufgelöst. Python 3.10+ und NumPy werden für die Basissynthese benötigt; Audiodecodierung und MP3 benötigen FFmpeg. Modellabhängigkeiten siehe Echte Spuren und Transkription.

Wenn die Shell yakui-studio nicht findet, verwende npx --yes --package [email protected] yakui-studio --help; hänge nachfolgende Befehle ebenfalls an dieses Präfix an. Die Installation des Skills selbst installiert keine Agenten-CLI, meldet sich nicht an oder lädt Musikmodelle herunter. Codex und OpenCode verwenden ihre eigenen Anmelde- und Modellkonfigurationen; die integrierte Kandidatenschnittstelle von Claude Code ist für zukünftige Funktionen reserviert. Innerhalb der Workbench deaktiviert der Kandidatenmodus die Tools; externe Agenten bearbeiten Projekte über die unten beschriebene CLI.

Externer Agent bearbeitet die aktuelle Workbench

Führe zuerst yakui-studio project --help und yakui-studio project read aus, um das aktuelle Projekt, die Revision, die Tracks und die Browserauswahl zu lesen. Der Dienst läuft standardmäßig auf http://127.0.0.1:5240; verwende YAKUI_STUDIO_URL, um auf die tatsächlich geöffnete Instanz des Benutzers zu verweisen und nicht eine leere Instanz zu erstellen.

• yakui-studio project selection liest die Auswahl, project selection --file selection.json aktualisiert die Auswahl.
• yakui-studio project apply --file operations.json wendet Bearbeitungen an. Die Datei muss die gerade gelesene projectId, baseRevision, eine neue operationId und operations enthalten; Details zu Operationstypen, Feldern und ein vollständiges Beispiel siehe Projekt-CLI-Protokoll. Bei Versionskonflikten muss erneut gelesen und die Bearbeitung neu bewertet werden; es darf nicht einfach die Revision überschrieben werden, um Benutzeränderungen zu überschreiben.
• yakui-studio project import input.json oder input.mid importiert; project export output.json oder output.mid exportiert. Vor dem Importieren das aktuelle Projekt exportieren, um die vom Benutzer akzeptierten Materialien wiederherstellbar zu halten.
• yakui-studio project undo --revision N --project ID und redo --revision N --project ID arbeiten mit dem Undo-Verlauf desselben Dienstes.

Nach einer Bearbeitung erneut project read ausführen, um die tatsächliche Revision und die Noten zu überprüfen und den Benutzer über die geänderten Tracks/Segmente zu informieren. Die Workbench sieht sofort die Änderungen am selben Projekt. Das bloße Schreiben einer JSON-Datei ändert nicht automatisch ein bereits geöffnetes Projekt.

Von der Referenz zum Projekt

1. Sobald tatsächlich decodierbares Audio vorliegt, gemäß Referenzanalyse mehrere Phrasen auf Tempo, halbe/doppelte Geschwindigkeit und Einsätze überprüfen. Wenn nur Titel oder Link vorliegen, darf nicht behauptet werden, das Stück gehört oder transkribiert zu haben.
2. Wenn echte Spuren benötigt werden, Demucs verwenden und die tatsächlichen Modell-Sources beibehalten; drums/bass/other/vocals sind keine Garantie für Melodie/Kontrapunkt. Für getrennte polyphone Instrumente Basic Pitch ONNX verwenden, für eindeutig monophone Segmente pYIN zum Abgleich. Zuerst kurze Auswahlen validieren, dann auf das ganze Stück ausdehnen.
3. Originalkandidaten, Quelle, Zeitstempel in Sekunden, Konfidenz-/Aktivierungswerte, Pitch Bends und manuelle Begründung speichern. Mit music review oder review_notes.py Rollenfenster und explizite Edits anwenden, "before" behalten. Kollidierende Rollen bleiben als "unassigned", Quantisierungsfelder als abgeleitete Daten.
4. Mit music import in ein Workbench-Projekt umwandeln, dann die JSON in der Oberfläche öffnen. Die ursprüngliche Kandidatendatei behalten; der Import bildet Noten auf editierbare Takteinheiten ab; wenn das Zielformat Pitch Bends etc. nicht darstellen kann, die Einschränkungen erläutern und nicht den Projektexport als vollständigen Originalbeweis ausgeben.
5. In der Track-Arrangieransicht Segmente auswählen, in die Pianorolle gehen, Oktave, Startnote, Notenlänge, wiederholte Töne, Verzierungen und gleichzeitige Stimmen überprüfen. Mit Solo, Segment-Loop und numerischen Attributen segmentspezifisch korrigieren. Das Projekt-JSON als weiterhin editierbare Auslieferung speichern.

Manuelle und KI-Zusammenarbeit

Der Segmentstart ist der Takt im gesamten Stück, der Notenstart relativ zum Segment; die Zeiteinheit ist immer der Vierteltakt. Segmentgrenzen und tönübergreifende Noten beachten. Projektbearbeitungen, Undo und Redo ändern die Revision.

KI-Änderungen verwenden explizite Noten-/Zeitauswahlen, generieren zuerst Kandidaten, hören sie probehören, dann anwenden oder verwerfen; nach einer Projektänderung veraltete Kandidaten neu generieren. KI-Arrangementvorschläge stellen keine genaue Transkription der Referenzaufnahme dar. Wenn kein verwendbarer Agent konfiguriert ist, können trotzdem manuell bearbeitet, probegehört und exportiert werden; nicht verfügbare oder fehlgeschlagene Authentifizierungen müssen ehrlich gemeldet werden.

Originale programmatische Musik folgt dem procedural-chiptune-Pfad mit init/render; das Template-Motiv umschreiben, nicht nur das BPM ändern. Das Event-Score-Format siehe score-format. Die Browsersynthese und das Python-Rendering sind nicht sample-identisch.

Auslieferungskriterien

"Kandidat extrahiert", "Teilweise manuell korrigierte Phrasen", "Vollständiger Bereich gemäß Referenz validiert" werden jeweils ausdrücklich formuliert. Modellausgabe, erfolgreicher Import oder erfolgreiche KI-Änderung allein gelten nicht als genaue Transkription. Den überprüften Bereich, nicht zugewiesene Stimmen und unsichere Noten angeben; originäre Antworten klar kennzeichnen.

Ausliefern: editierbares Projekt, erforderliche Originalkandidaten und Korrekturaufzeichnungen sowie abspielbares Probehören. Das Projekt-JSON behält Tracks und Segmente, das Event-Score dient der programmatischen Wiedergabe, MIDI für externe Bearbeitung, WAV für Probehören. Referenzaufnahmen werden nicht automatisch mit synthetischen Spuren oder dem npm-Paket gemixt. Wenn die tatsächliche Hörfähigkeit nicht verfügbar ist, dies ehrlich mitteilen und dem Benutzer das Audio zum Probehören bereitstellen.