mcpField
A
audio-quality-check

audio-quality-check

github.com/tenequm创意与媒体4058 次安装5 天前更新
代码仓库

关于 audio-quality-check

audio-quality-check 是用于分析通话录音的技能，支持双轨 M4A、单轨录音和 AEC 处理文件。它通过附带的 Python 脚本报告音频质量、回声、轨道串音及相关指标。

主要功能

  1. 01分析双轨和单轨音频
  2. 02测量响度与信噪比
  3. 03检测回声和轨道串音
  4. 04评估语音质量与可懂度
  5. 05报告频谱和逐分钟能量指标

适用场景

  1. 01检查通话录音中的回声
  2. 02比较原始与 AEC 处理语音
  3. 03定位噪声、静音或异常响亮片段

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/tenequm/skills --skill audio-quality-check

安装后在 Claude Code 中输入/audio-quality-check确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

LICENSE.txt
evals/
evals.json
scripts/
analyze_recording.py

详细介绍

音频录制质量分析器

全面分析通话录音的音频质量。支持双轨 M4A 文件（系统音频 + 麦克风）、单轨录音和经过 AEC 处理的文件。

快速开始

在录音目录上运行捆绑的分析脚本：

python ${CLAUDE_SKILL_DIR}/scripts/analyze_recording.py "/path/to/recording/directory"

针对特定内容进行分析的模式：

python ${CLAUDE_SKILL_DIR}/scripts/analyze_recording.py /path --tracks   # track info only
python ${CLAUDE_SKILL_DIR}/scripts/analyze_recording.py /path --echo     # echo detection only
python ${CLAUDE_SKILL_DIR}/scripts/analyze_recording.py /path --quality  # quality metrics (skip echo)

对于 Blackbox 录音，目录通常为： ~/Library/Application Support/Blackbox/Recordings/<timestamp-id>/

依赖项

系统：ffmpeg、ffprobe（通过 brew install ffmpeg 安装） Python：numpy、soundfile、scipy、pyloudnorm、pesq、pystoi、librosa

安装所有 Python 依赖项：pip3 install numpy soundfile scipy pyloudnorm pesq pystoi librosa

各项指标说明

EBU R128 响度（pyloudnorm）
  • 含义：以 LUFS（满量程响度单位）表示的感知响度
  • 目标：语音为 -16 至 -24 LUFS
  • 注意：AEC/后处理音轨的响度是否显著高于原始音轨（这表明处理过程只放大音量，却没有进行标准化）
回声检测——自相关
  • 含义：通过计算信号与其在不同时间偏移处的相关性，检测单条音轨中信号的延迟副本
  • 读数解读：在 20–100ms 范围内，相关性 > 0.3 的峰值表示信号重复。延迟量表示重复副本的延迟时间
  • 关键见解：如果多个时间片段在相同延迟量处出现稳定峰值，说明存在系统性的信号重复（例如 Krisp 这类虚拟音频处理器在约 53ms 处引入延迟副本）
  • 正常值：低于 0.15 的峰值通常是语音基频谐波（无害）。在固定延迟量处高于 0.3 的峰值则表示回声
跨音轨相关性
  • 含义：测量一条音轨中的内容有多少出现在另一条音轨中（例如系统音频串入麦克风音轨）
  • 读数解读：接近 0 表示没有串音。高于 0.1 表示麦克风拾取到了系统音频
  • 相干性：同一测试在频域中的表现形式。对于语音回声，语音频段相干性（300–3400Hz）最为相关
PESQ——语音质量（需要参考信号和退化信号）
  • 含义：ITU-T P.862 标准。通过比较退化信号与参考信号，给出 MOS（平均意见分）
  • 范围：1.0（较差）至 4.5（极佳）。NB = 窄带（电话质量），WB = 宽带
  • 用途：比较经过 AEC 处理的麦克风音轨与原始麦克风音轨，判断处理是改善还是损害了音质
  • 阈值：4.0 以上为极佳，3.0 以上为良好，2.5–3.0 为一般，低于 2.5 为较差
STOI——语音可懂度（需要参考信号和退化信号）
  • 含义：短时客观可懂度。测量处理后语音的可理解程度
  • 范围：0.0 至 1.0
  • 阈值：>0.8 为良好，>0.6 为一般，<0.6 为较差
  • 关键见解：如果处理后的 STOI 相较原始信号显著下降，说明处理降低了语音可懂度
频谱分析（librosa）
  • 质心：按振幅加权的平均频率。数值越高，音频越明亮/刺耳
  • 频谱滚降点（85%）：频谱能量中 85% 所处频率的下限。数值越低，低音越重
  • 过零率：信号穿过零点的频率。数值越高，信号噪声越大。语音通常为 0.05–0.20；高于 0.30 表示噪声明显
SNR——信噪比
  • 含义：语音能量与背景噪声能量之比（通过基于能量的 VAD 估算）
  • 阈值：>20dB 为极佳，>15dB 为良好，>10dB 为一般，<10dB 为较差
  • 注意：此指标衡量背景噪声，而非回声。录音即使信噪比极佳，仍可能存在回声问题
每分钟能量
  • 含义：录音每分钟的 RMS 能量和语音频段能量
  • 用途：找出静音片段（麦克风中断）、音量意外升高的片段（有削波风险），或有助于识别说话者活跃时段的活动模式

手动分析方法

需要进行脚本未提供的分析时，可以参考以下方法。

从双轨 M4A 中提取单独音轨
ffmpeg -y -i audio.m4a -map 0:0 -ac 1 -ar 16000 /tmp/system.wav
ffmpeg -y -i audio.m4a -map 0:1 -ac 1 -ar 16000 /tmp/mic.wav
使用 sox 快速检查响度
sox audio.wav -n stat 2>&1
检查特定时间范围内的回声（Python）
import numpy as np
import soundfile as sf
from scipy import signal

data, sr = sf.read('/tmp/system.wav')
# Analyze 5 seconds starting at 2 minutes
start = 120 * sr
seg = data[start:start + 5*sr]
seg_norm = seg / (np.max(np.abs(seg)) + 1e-10)
autocorr = np.correlate(seg_norm, seg_norm, mode='full')
mid = len(seg_norm) - 1
autocorr = autocorr / autocorr[mid]
# Check 20-100ms range for echo peaks
min_lag = int(0.020 * sr)
max_lag = int(0.100 * sr)
region = autocorr[mid + min_lag:mid + max_lag]
peaks, props = signal.find_peaks(region, height=0.1)
for i, p in enumerate(peaks[:5]):
    lag_ms = (p + min_lag) / sr * 1000
    print(f"  Peak at {lag_ms:.1f}ms, r={props['peak_heights'][i]:.3f}")

常见问题及成因

症状可能原因检查方法
说话声略有重叠或回声虚拟音频处理器（Krisp）在系统音频中产生了延迟副本自相关：40-60ms 处存在稳定峰值
麦克风音轨中有远端说话者的声音声学回声（声音从扬声器传到麦克风）跨音轨相关性 > 0.1
经过 AEC 处理的文件听起来更差DTLN-aec 降低了信号质量比较处理前后的 PESQ/STOI
经过 AEC 处理的文件音量过大处理后未进行响度标准化响度：处理后 > -10 LUFS
录音中有嘶嘶声/噪声信噪比较低、麦克风有噪声或存在 AGC 伪影SNR < 15dB，过零率较高
录音中段出现安静片段麦克风中断或设备发生变化每分钟能量：RMS 突然下降

评论

支持 Markdown