Music Analysis MCP
集成librosa，支持多源音频分析的高效工具
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：Music Analysis MCP。 它的用途是：集成librosa，支持多源音频分析的高效工具 完整的 Skill 内容见：https://321skill.com/skills/music-analysis-mcp/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
‘帮我分析一下这首歌曲的节拍、调性和情绪轮廓。’，它会调用Music Analysis MCP Skill，读取你提供的音频文件，并返回详细的节拍点、估计的调性（如C大调）以及基于频谱特征的情绪倾向分析报告。你还可以进一步要求它‘提取前30秒的梅尔频谱图并描述特征’，Skill会生成相应的数据或描述。
介绍
Music Analysis MCP 是一个专注于音频数据分析的AI工具，它解决了在音乐信息检索、音频内容理解和声音特征工程等领域中，需要专业代码和复杂环境才能进行深入分析的难题。用户无需搭建本地Python环境或深入学习librosa库，即可通过自然语言指令，对上传的音频文件进行频谱、节拍、和弦、音高等多维度特征提取与分析。
使用方式非常直接：用户只需在支持MCP协议的AI助手（如Claude Desktop）中安装此Skill，便可通过对话形式上传音频文件（如MP3、WAV格式）并下达分析指令。例如，告诉AI“分析这段音频的节奏和情绪”，Skill便会调用集成的librosa库在后台处理，并以结构化的文本或数据形式返回分析结果。
该工具特别适合音乐科技研究者、音频应用开发者、内容创作者以及数字人文领域的学生。对于非编程背景但需要处理音频数据的人员，它极大地降低了技术门槛；对于开发者，则能快速验证音频处理逻辑，节省原型开发时间。
建议用户在上传前确保音频文件清晰且无明显噪声，以获得更准确的分析结果。由于依赖云端或本地MCP服务器运行，处理极长音频或批量文件时需注意可能的耗时或资源限制。初次使用可先从短样本开始，熟悉各类分析指令。
核心特点
与通用数据分析Skill相比，它深度集成并封装了专业的librosa音频处理库，提供了开箱即用的音乐领域特定分析能力；同时，它通过MCP协议标准化了音频分析任务的交互方式，使得分析过程更贴近自然对话，而非编写脚本。
注意事项
不适合需要实时流式音频处理或极高精度专业音频编辑（如母带处理）的场景。
常见问题
支持哪些音频格式？
支持常见格式如MP3、WAV等，具体取决于后端librosa库的兼容性。
需要自己安装Python和librosa吗？
不需要，该Skill已集成所需环境，用户只需通过MCP客户端安装即可使用。
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/music-analysis-mcp/raw/index.md 读取 Music Analysis MCP 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/music-analysis-mcp/raw/index.md（查看排版版本）