歌曲编辑分析是做什么的？

概述

使用此技能将歌曲转化为实用的编辑情报：节拍、节拍网格、段落图谱、能量曲线、剪辑优先级、素材适配说明、时间线标记，以及面向智能体的素材选择简报。

内置脚本是默认路径，因为它保持分析的可复现性，同时生成人机可读的输出。

工作流程

确认音频文件路径，并为交付物创建输出文件夹。
确保 Python 依赖可用：librosa、numpy、scipy、matplotlib、pandas、scikit-learn 和 soundfile。
运行 scripts/analyze_song_for_editing.py <音频文件> --out <输出文件夹>。
检查生成的能量时间线图像和段落 CSV。如果自动分段对忙碌段落过度分割，请在最终响应或单独的 markdown 文件中合成一个更简单的宏观段落图谱。
当另一个智能体将选择片段、组装编辑或给素材候选评分时，使用智能体素材简报。
对于下游制作，使用 $footage-review-pack 进行素材筛选，使用 $beat-synced-montage-builder 组装编辑，以及使用 $edit-delivery-qa 验证最终渲染。

脚本输出

对于名为 my_song.mp3 的输入，脚本会写入：

my_song_beats.csv：每个检测到的节拍，包含时间、估计的节拍/拍子位置、能量、低音、亮度、瞬态强度和剪辑优先级。
my_song_cut_markers_30fps.csv：主要和次要剪辑标记，附带30fps时间码和简洁的标记说明。
my_song_sections.csv：检测到的结构区域，包含平均能量、声音特征、素材适配性和剪辑策略。
my_song_phrases.csv：8拍乐句级别的编辑笔记。
my_song_energy_timeline.png：波形、能量曲线、素材提示和检测到的段落。
my_song_editing_guide.md：面向人类的编辑指导。
my_song_agent_footage_brief.json：结构化的、供另一个智能体使用的素材选择指令。
my_song_analysis.json：机器可读的总体摘要。

起始锁定切割网格（v2引擎，适用于密集切割）

当编辑需要在每个音乐允许的时刻进行剪切（包括快速爆发）时，跳过标记阈值并构建原始起始网格：

env    = librosa.onset.onset_strength(y=y, sr=sr, hop_length=512)
onsets = librosa.onset.onset_detect(onset_envelope=env, sr=sr, hop_length=512,
                                    backtrack=False, delta=0.02, units="time")

delta=0.02 捕捉所有内容（0.03-0.04 可实现更干净的网格）。合并距离小于0.13秒的起始点，保留较强的那个；使用 int(round((t-t0)*FPS)) 量化为帧；强制在0帧处进行剪切；丢弃距结尾2帧以内的剪切。稀疏时保持，忙碌时爆发——绝不插入偏离网格的填充剪切。起始强度在前四分位数中的获得重音（推镜缩放）。在60ms范围内将任何估计的节拍网格捕捉到最近的真实起始点（瞬态可能偏离稳定节拍网格约35ms）；对于变换/风格切换时刻，使用向下取整而非四舍五入进行量化，使得变化恰好落在包含瞬态的帧上。

病毒式窗口选择（选择哪15-30秒进行剪辑）

根据五个信号对候选窗口进行评分：重复性/副歌程度（节拍同步色度自相似性，对角线+8条副对角线置零，行平均值）、能量上升（后均值(4s) - 前均值(4s)——捕捉建造→高潮）、循环接缝（窗口结束稍后和开始稍后的色度+MFCC的余弦相似度——实现无感循环）、歌词位置（在[开始-0.5, 开始+3.0]内开始的乐句，情感词汇加分），以及艺术家自己发布的起始时间先验。锚点 = 最高重复峰值 + 最高能量上升节拍 + 先验，每个都对齐到其所在或之前的强拍，使得钩子尽早出现。大致组合权重为 0.26*能量 + 0.20*重复性 + 0.18*上升*2 + 0.16*歌词 + 0.12*循环接缝 + 0.08*先验；保留重叠<50%的顶部窗口。

包络跟随器（驱动连续 FX）

对于音频响应式特效，将起始包络重采样到帧网格，按第95百分位数归一化，然后应用单极点峰值保持（瞬时触发，exp(-1/(fps*0.22..0.25)) 衰减）。节拍拍冲用于推镜缩放/光晕：每拍添加 amp * exp(-(t-t_beat)/0.16)，能量加权的振幅。将低音/能量/高音/瞬态作为独立的归一化通道——绝不是一个响度标量——并让起始事件通道保持未平滑。在同一开始/持续时间窗口下渲染FX，使得拍冲和剪辑共享一个包络（通过构造同步）。

解释规则

在对照波形或通过耳朵检查之前，将节拍、拍子和小节视为估计值。节拍网格通常足够好用于粗略编辑，但强拍标记可能偏移一个节拍或乐句。

使用此能量阶梯进行素材选择：

能量 1 / 非常低：氛围、标题、细节镜头、慢速平移、安静的铺垫。
能量 2 / 低：准备、预期、背景、慢动作、行动前。
能量 3 / 中等：可见的运动、反应、有节奏的B-roll、2-4拍剪辑。
能量 4 / 高：活跃的运动、冲击邻近镜头、快速B-roll、1-2拍剪辑。
能量 5 / 峰值：最强素材、碰撞、揭示、快速甩镜头、VFX击中、快速交替、0.5-1拍剪辑。

使用主要剪辑点进行主要主题变化、冲击、硬切、揭示、速度斜坡着陆和标题击中。使用次要剪辑点进行角度变化、连续剪辑、较小的B-roll替换和速度斜坡开始。

智能体素材选择

当智能体将选择素材时，向其传递 *_agent_footage_brief.json 以及任何可用的素材清单。指示智能体：

使用简报分类法中的 content_type 标记每个候选片段。
对每个候选片段按1-5评分 motion_intensity。
将片段强度与每个段落的 energy_level 匹配，除非编辑需要故意对比，否则允许正负1的偏差。
将 peak_impact 和运动强度5的片段保留给最高能量的段落。
将主题变化、冲击和揭示放在主要剪辑点上。
当可用素材强度低于音乐时，使用更短的时长、更紧的裁剪、速度斜坡或重复的冲击细节。

面向人类的指导

除了原始数据之外，始终提供简洁的宏观图谱。编辑需要音乐判断，而不仅仅是一系列节拍。指出：

何处保持镜头。
第一个有意义的节奏剪切从何处开始。
高潮或峰值从何处开始。
哪个段落应获得最佳素材。
最强的剪切点及其时间戳。
任何不确定性，特别是如果段落检测过度分割或强拍可能偏移时。

下游技能

该技能产生音乐情报。对工作流程的其余部分使用配套技能：

$footage-review-pack：构建短名单、审查画廊、清单和来源溯源。
$beat-synced-montage-builder：将素材映射到剪切标记并渲染社交蒙太奇特辑。
$edit-delivery-qa：检查最终渲染、联系表、时间线密度和交付就绪状态。

歌曲编辑分析