Token导航 LogoToken导航

Agent Skill · 待分类

audio-fingerprint-expert(音频指纹专家)

用于辅助音频、音乐、语音转写、语音合成或声音素材处理。它适合让 Agent 生成配乐说明、整理音频流程、调用语音工具或处理播客和视频配音素材。使用时需要确认输入音频来源、输出格式、时长和模型限制;涉及人声克隆、版权音乐或公开发布时,应先核对授权和合规边界。

audio-fingerprint-expert 是待分类类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为需要联网;许可证信息还不明确,第三方扫描已通过,按安装量在待分类类的 11,209 个 Skill 里排第 513。

总安装 13,013周安装 507GitHub Stars 10下载 6,020核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:audio-fingerprint-expert(音频指纹专家)
来源仓库:https://github.com/willsigmon/sigstack
仓库路径:skills/audio-fingerprint-expert
安装命令:
npx skills add https://github.com/willsigmon/sigstack --skill 'Audio Fingerprint Expert'
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/willsigmon/sigstack --skill 'Audio Fingerprint Expert'

这个 Skill 是做什么的

这个 Skill 的分类还没最终确定,用法以来源仓库的说明为准。

audio-fingerprint-expert 通过指纹技术识别与匹配音频内容,支持去重与版权检测。适用于自动跳过播客广告、识别背景音乐或查找重复片段。集成 AudD、ACRCloud 与 ShazamAPI 等商用服务,也支持开源方案如 AcoustID。

使用时应上传参考音频或提供哈希值,系统返回匹配结果与置信度评分。商用 API 按次计费,开源方案需自建数据库与计算集群。

来源仓库内路径:skills/audio-fingerprint-expert

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/willsigmon/sigstack --skill 'Audio Fingerprint…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

audio-fingerprint-expert 怎么安装?

在终端执行 npx skills add https://github.com/willsigmon/sigstack --skill 'Audio Fingerprint Expert'。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

audio-fingerprint-expert 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

audio-fingerprint-expert 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

audio-fingerprint-expert 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

audio-fingerprint-expert 用的人多吗?

公开数据是累计安装 13,013 次,近一周安装 507 次,下载 6,020 次,GitHub 10 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

audio-fingerprint-expert 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理待分类类任务、又不想每次都手写提示词的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

待分类类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
infsh-cli

infsh CLI · Codex、Claude

4,374,576382权限未标注未明确未收录
ai-video-generation

AI 视频生成 · Codex、Claude

4,313,376382调用外部服务未明确有提醒
lark-openapi-explorer

云雀 OpenAPI 浏览器 · Codex、Claude

2,064,1209,011需要联网未明确有提醒
lark-workflow-standup-report

Lark 工作流程站立报告 · Codex、Claude

2,041,6328,978需要联网未明确通过
use-my-browser

使用我的浏览器 · Codex、Claude

1,848,49140操作浏览器未明确未通过
audio-fingerprint-expert

音频指纹专家 · 本页

13,01310需要联网未明确通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Audio Fingerprint Expert

Identify and match audio content using fingerprinting.

Use Cases for Modcaster

  • Skip intros/outros automatically
  • Detect and skip ads
  • Identify music in podcasts
  • Match duplicate content

Top Services

Commercial APIs

AudD ($2-5/1000 requests)

  • Neural network based
  • Music recognition
  • Real-time and batch

ACRCloud

  • Industry leader
  • Cross-platform SDKs
  • Custom fingerprint databases

ShazamAPI (via RapidAPI)

  • The classic
  • Huge music database
  • Enterprise options

Open Source

AcoustID (Free)

  • Links to MusicBrainz
  • Community-powered
  • Chromaprint fingerprinting

Dejavu

  • Python implementation
  • Self-hosted
  • Custom audio matching

AudD API

Recognize Music

curl -X POST "https://api.audd.io/" \
  -F "api_token=YOUR_TOKEN" \
  -F "file=@audio.mp3" \
  -F "return=spotify,apple_music"

Python

import requests

response = requests.post('https://api.audd.io/', data={
    'api_token': 'YOUR_TOKEN',
    'return': 'spotify,apple_music',
}, files={
    'file': open('audio.mp3', 'rb'),
})

result = response.json()
if result['result']:
    print(f"Found: {result['result']['title']} by {result['result']['artist']}")

AcoustID (Free)

Generate Fingerprint

# Install chromaprint
brew install chromaprint

# Generate fingerprint
fpcalc -json audio.mp3

Lookup

import acoustid

for score, recording_id, title, artist in acoustid.match(API_KEY, 'audio.mp3'):
    print(f"Match ({score:.2f}): {title} by {artist}")

Dejavu (Self-Hosted)

Setup

from dejavu import Dejavu

djv = Dejavu(config={
    "database_type": "sqlite",
    "database": "fingerprints.db"
})

# Fingerprint known audio
djv.fingerprint_directory("known_intros/", [".mp3", ".wav"])

# Match unknown audio
songs = djv.recognize(FileRecognizer, "podcast_episode.mp3")
print(songs)  # Returns matches with timestamps

Podcast Ad Detection Pattern

# 1. Fingerprint known ads
for ad_file in known_ads:
    dejavu.fingerprint_file(ad_file)

# 2. When processing episode
matches = dejavu.recognize(episode_file)

# 3. Get timestamps of ads
ad_segments = [(m['offset'], m['offset'] + m['duration']) for m in matches]

# 4. Skip those segments in player

Accuracy Tips

  • Use 10-30 second samples
  • Higher sample rate = better accuracy
  • Noise affects matching
  • Store fingerprints, not audio

Use when: Music recognition, ad skipping, duplicate detection, audio matching

平台分布

Codex

36.98%
按下载量换算2,226

Claude

30.1%
按下载量换算1,812

Cursor

17.7%
按下载量换算1,066

Gemini CLI

9.36%
按下载量换算563

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills