Galdr
将YouTube链接或本地音频转换为AI代理可理解的时间序列状态数据
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：Galdr。 它的用途是：将YouTube链接或本地音频转换为AI代理可理解的时间序列状态数据 完整的 Skill 内容见：https://321skill.com/skills/galdr-x-7/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘分析这个YouTube讲座视频的情绪波动，并告诉我观众可能在哪些时间点感到困惑或兴奋。’，它会调用Galdr处理视频音频，生成听众注意力与压力随时间变化的轨迹，并据此指出关键的时间段和潜在的情绪拐点。
介绍
Galdr 是一个专门为AI代理设计的工具，它解决了AI在处理音频内容时缺乏结构化、时序化感知数据的问题。传统的AI代理只能处理文本或静态元数据，而Galdr能够解析音频流，提取出如脉冲、模式、注意力、压力、表面、和谐等多种维度的“听众状态”数据，并将其按时间顺序排列，形成可供AI代理分析和响应的结构化轨迹。
用户可以通过提供YouTube视频链接或上传本地音频文件来使用Galdr。工具会处理音频，分析其中的声学特征，并生成一个包含多种状态维度的时间序列数据文件。这个过程通常是自动化的，开发者或研究者只需调用相应的API或命令行工具即可获取结果。
这个工具非常适合智能体开发者、AI研究者以及任何需要让AI系统理解音频内容背后动态情感或状态变化的人员。例如，开发能感知用户情绪变化的对话机器人、分析视频内容情感走向的自动化工具，或研究音乐对认知状态影响的学术项目。
在使用时，建议用户明确自己需要分析的音频状态维度，因为不同的分析重点可能需要调整参数。同时，需要注意音频的质量和清晰度会直接影响状态分析的准确性。对于非音乐类或背景噪声较大的音频，分析结果可能需要进一步的人工校验。
核心特点
与同类音频转文本或简单情感分析工具不同，Galdr专注于生成多维、时间序列化的“听众状态”数据，为AI代理提供更丰富、更结构化的感知输入，而不仅仅是文字转录或单一的情感标签。
注意事项
不适合需要高精度语音识别或歌词提取的场景，其核心是状态分析而非内容转写。
常见问题
Galdr支持哪些音频格式？
支持常见的音频格式（如MP3、WAV）以及通过YouTube链接直接处理。
生成的状态数据可以直接用于训练机器学习模型吗？
是的，其输出的时间序列结构化数据非常适合作为机器学习模型的输入特征。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/galdr-x-7/raw/index.md 读取 Galdr 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/galdr-x-7/raw/index.md（查看排版版本）