music-toolkit

功能：智能声卡回环录音与 AI 音频结构化分轨引擎。专为 OpenClaw Skill 生态设计，可实现 100% 纯净的电脑内部声音捕获（无外环境噪音），并利用 AI 精准识别歌曲边界。

触发时机（Triggers）

• 用户发出“录音”“内录”“录制电脑声音”“捕获声卡”等明确指令，并指出时间（如“3分钟”、“30秒”）。
• 用户在录音请求中提到“AI切歌”“自动分轨”“专辑模式”“剪掉前后空白”“剔除尾随杂音”等关键词。

参数提取指南

当 LLM 决定调用此技能时，请从用户上下文中精确提取并映射以下参数：

1. duration (数字/浮点数, 必填): 录制总时长。LLM 必须将其一律转换为分钟数（例如：“录音30秒”转换为 0.5；“录音1.5小时”转换为 90；“录制4分钟”转换为 4）。对应命令行 -t。
2. filename-prefix (字符串, 选填): 用户明确指定的保存文件名前缀或单曲标题。对应命令行 -p。
3. save-dir (字符串, 选填): 用户指定的单曲输出路径。若未指定，无需传递（默认 record）。对应命令行 -d。
4. auto-trim (布尔值, 选填): 当用户提到“剪掉空白”“切除静音”“不要前后杂音”时，此项为 True。对应命令行 -trim。
5. ai-split (布尔值, 选填): 当用户提到“AI切歌”“自动分轨”“专辑整轨录制”时，此项为 True（激活后将调用 allin1 深度学习模型）。对应命令行 -ai。
6. silence-thresh (数字, 选填): 静音分贝阈值 (dBFS)，例如用户说“分贝调严格一点”可以适当调低。对应命令行 -sh。
7. min_silence_len (数字, 选填): 判定为静音的最短时间 (毫秒)。对应命令行 -msl。

内部核心技术方案

1. 高保真回环内录：通过 soundcard 库的 include_loopback=True 机制，直接在操作系统内部拦截输出给扬声器的数字信号，实现高保真（48kHz 采样率）录音，完美避开麦克风外噪。
2. 第一阶段：VAD 静音粗切：利用 pydub.silence 识别大于 1.5 秒的静音间隙，将长录音切成独立的音频块，并在两端故意保留 1 秒缓冲，防止截断前奏或尾音。
3. 第二阶段：AI 结构级精对齐：将音频块送入 PyTorch 的 allin1 音乐模型，深度分析 intro (前奏)、verse (主歌)、chorus (副歌)、outro (尾奏) 等音乐边界，像素级切除死寂和杂音，精准释放成品。
4. 强壮的降级容错 (Fallback)：若某段音频不适用 AI 模型分析而报错，系统会自动降级为常规 VAD 切分版本保存，确保整张专辑的录制流水线不会中断。

执行步骤与命令生成

LLM 识别用户意图并提取参数后，应在后台组合并执行以下标准命令行。优先使用 python3 启动，若失败则用 python 兜底：

场景 1：基础系统录音 + 自动切除前后空白

适用于录制单首歌曲、单段音频

(python3 scripts/media_grabber.py -t  -trim [-p ""] [-d ""]) || (python scripts/media_grabber.py -t  -trim [-p ""] [-d ""])