music

Name: music
Author: marswaveai

github.com/marswaveai创意与媒体81702 次安装5 周前更新

代码仓库

关于 music

music 是通过 `listenhub music` 命令行使用 Mureka 的 ListenHub 技能，可生成、混音和分析音乐。它适用于音乐创作与音频分析请求，生成任务异步处理，分析命令则同步返回。

主要功能

01根据提示词或歌词生成歌曲
02为现有歌曲替换歌词并混音
03制作器乐及图片或视频配乐
04延长歌曲或生成单独音轨
05识别歌词、描述音频并分离音轨

适用场景

01根据提示词创作原创歌曲
02为歌曲替换歌词并重新创作
03为图片或视频制作配乐
04提取歌词或分离音频轨道

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/marswaveai/skills --skill music

安装后在 Claude Code 中输入/music确认已加载。

附带文件references/music-api.md

详细介绍

适用场景

用户想通过提示词和/或歌词生成原创 AI 音乐
用户想用新歌词混音／重新创作现有歌曲
用户想生成纯器乐曲，或为图像或视频配乐
用户想延长歌曲，或分离／生成单个音轨
用户想分析音频——识别歌词、描述歌曲或分离音轨
用户说“音乐”、“music”、“生成音乐”、“generate music”、“翻唱”／“混音”／“remix”、“续写”／“extend”、“纯音乐”／“instrumental”、“配乐”／“soundtrack”、“分轨”／“stem”、“识别歌词”、“作曲”、“compose”、“create a song”或“做一首歌”

不适用场景

用户想进行文本转语音朗读（使用 /speech）
用户想制作播客讨论（使用 /podcast）
用户想制作带旁白的讲解视频（使用 /explainer）
用户想将语音音频转录为文本，而不是转录歌曲歌词（使用 /asr）

用途

由 listenhub music CLI 调用 Mureka 提供方的完整 ListenHub 音乐工具包。功能包括：

生成（异步——返回任务以供轮询）：

generate — 文本和/或歌词 → 新歌曲。可选风格、标题、器乐曲，以及克隆的 --vocal-id。
remix — 现有歌曲 + 新歌词 → 重新创作。输入可以是音频文件、音频 URL 或提供方歌曲 ID。
instrumental — 根据提示词生成纯器乐曲，或通过参考音频引导生成。
soundtrack — 为图像或视频配乐。
track — 从歌曲中分离或生成单件乐器／人声音轨。
extend — 延长歌曲。
cover (已弃用) — 较旧的翻唱流程；建议优先使用 remix。

分析（同步——立即返回结果）：

recognize — 带逐行时间戳的歌词。
describe — 描述、标签、流派、乐器。
stem — 将歌曲拆分为独立音轨（ZIP 下载 URL）。

任务管理： list（最近任务）和 get <taskId>（获取单个任务的状态／结果）。

生成命令可使用的模型：auto（默认）、mureka-7.6、mureka-8、mureka-9、mureka-o2。完整的各命令参数参考请参阅 references/music-api.md。

硬性约束

进行任何交互前，始终按照 shared/config-pattern.md 读取配置
按照 shared/cli-patterns.md 执行模式、错误处理和交互模式
始终遵循 shared/cli-authentication.md 检查身份验证
切勿将文件保存到 ~/Downloads/ 或 .listenhub/；将生成内容保存到当前工作目录，并使用便于识别且基于主题的名称（参见 shared/config-pattern.md § 生成内容命名）
无需选择说话者——音乐生成不使用说话者选择
文件限制（均最大 10 MB）：音频 mp3/m4a（track 也接受 wav）；图像 jpg/jpeg/png/webp；视频 mp4/mov/avi/mkv/webm
所有时间范围标志的单位均为秒（--generate-start/--generate-end）
对于异步生成命令，使用较长的超时时间：run_in_background: true，timeout: 660000（600s+）。同步命令（recognize、describe、stem）会立即返回
cover 已弃用——除非用户明确要求使用 cover，否则应引导用户使用 remix

每次遇到多选步骤，都必须使用 AskUserQuestion 工具——不得以纯文本列出选项。一次只问一个问题。等待用户回答后再进行下一步。收集完所有参数后，汇总选择并请用户确认。用户明确确认前，不得调用任何 CLI 命令。

步骤 -1：CLI 身份验证检查

遵循 shared/cli-authentication.md。如果未安装 CLI 或用户尚未登录，则自动安装并自动登录——绝不可要求用户手动运行命令。

步骤 0：配置设置

遵循 shared/config-pattern.md 的步骤 0（零提问启动）。

如果文件不存在——静默创建默认配置并继续：

mkdir -p ".listenhub/music"
echo '{"outputMode":"download","language":null}' > ".listenhub/music/config.json"
CONFIG_PATH=".listenhub/music/config.json"
CONFIG=$(cat "$CONFIG_PATH")

不要询问任何设置问题。 直接进入交互流程。

如果文件已存在——静默读取配置并继续：

CONFIG_PATH=".listenhub/music/config.json"
[ ! -f "$CONFIG_PATH" ] && CONFIG_PATH="$HOME/.listenhub/music/config.json"
CONFIG=$(cat "$CONFIG_PATH")

设置流程（仅限用户主动重新配置）

仅当用户明确要求重新配置时才运行。显示当前设置：

当前配置 (music)：
  输出方式：{inline / download / both}
  语言偏好：{zh / en / 未设置}

然后询问：

outputMode：遵循 shared/output-mode.md § 设置流程问题。
Language（可选）：“默认语言？”
- “中文 (zh)”
- “English (en)”
- “每次手动选择” → 保持 null

收集完答案后，立即保存：

NEW_CONFIG=$(echo "$CONFIG" | jq --arg m "$OUTPUT_MODE" '. + {"outputMode": $m}')
if [ "$LANGUAGE" != "null" ]; then
  NEW_CONFIG=$(echo "$NEW_CONFIG" | jq --arg lang "$LANGUAGE" '. + {"language": $lang}')
fi
echo "$NEW_CONFIG" > "$CONFIG_PATH"
CONFIG=$(cat "$CONFIG_PATH")

交互流程

第 1 步：能力

选择能力。如果用户的意图已经明确，则跳过提问（例如，“翻唱”/“混音”/“remix” → remix；“作曲”/“compose”/“做一首歌” → generate；“纯音乐”/“instrumental” → instrumental；“续写”/“extend” → extend；“分轨”/“stem” → stem；“识别歌词” → recognize）。

Question: "想做什么？"
Options:
  - "原创 (Generate)" — 用文字 / 歌词生成全新歌曲
  - "混音 (Remix)" — 基于已有歌曲 + 新歌词重新创作
  - "纯音乐 (Instrumental)" — 生成无人声的器乐
  - "配乐 (Soundtrack)" — 为图片或视频配乐
  - "其他" — 续写 / 单轨 / 识别歌词 / 描述 / 分轨

如果用户选择“其他”，请继续使用 AskUserQuestion 列出以下选项：续写 (Extend)、单轨 (Track)、识别歌词 (Recognize)、描述 (Describe)、分轨 (Stem)。

get <taskId> 和 list 不是交互流程——用户询问任务状态时，直接运行。

第 2 步：收集输入（按能力）

使用下方各能力对应的字段。询问必需输入；提供可选输入。对于任何音频/图像/视频文件，在确认前都要验证：

本地路径：确认文件存在，且扩展名与该命令允许的列表匹配（参见 Hard Constraints / references/music-api.md）。
URL：按原样接受（CLI 会进行验证）。
大小：拒绝超过 10 MB 的本地文件。

FILE_SIZE=$(stat -f%z "{path}" 2>/dev/null || stat -c%s "{path}" 2>/dev/null)
if [ "$FILE_SIZE" -gt 10485760 ]; then echo "File exceeds 10 MB limit"; fi

generate — --prompt 和/或 --lyrics（至少提供一项）；可选 --style、--title、--model、--instrumental、--vocal-id。

remix — 恰好提供一个输入来源：--audio（文件）/ --audio-url / --provider-song-id；另需 --lyrics 和 --prompt（两者均必需）；可选 --style、--title、--model。

instrumental — --prompt / --reference-audio 二选一；可选 --title、--model。

soundtrack — --image / --video 二选一；可选 --prompt、--title、--model。

extend — 一个输入来源 --audio / --provider-song-id；可选 --prompt、--model。

recognize / describe / stem — 仅需 --audio。stem 还需要 --model audio-separation-1|audio-separation-2。

对于多选字段（model、generate-type、vocal-gender、instrumental 是/否），使用 AskUserQuestion 工具。自由文本字段（prompt、lyrics、style、title）接受纯文本。

第 3 步：确认

总结能力和所有已收集的参数，然后询问用户是否确认。示例：

generate：

准备生成音乐：
  能力：原创 (Generate)
  描述：{prompt / 无}
  歌词：{lyrics / 无}
  风格：{style / 自动}
  标题：{title / 自动}
  模型：{model / auto}
  人声：{带人声 / 纯音乐}
  Vocal ID：{vocal-id / 无}
  确认？

remix：

准备混音：
  能力：混音 (Remix)
  原曲：{audio / audio-url / provider-song-id}
  新歌词：{lyrics}
  描述：{prompt}
  风格：{style / 自动}
  标题：{title / 自动}
  模型：{model / auto}
  确认？

对于分析类能力（recognize / describe / stem），总结内容仅包括能力 + 输入音频（stem 还需包含分离模型）；这些操作会同步运行，因此确认可以简单一些。

运行任何 CLI 命令前，必须等待用户明确确认。

工作流

异步生成命令

generate、remix、instrumental、soundtrack、track、extend、cover。

提交（后台运行），设置 run_in_background: true 和 timeout: 660000。始终传入 --json。只包含用户提供的标志；其余省略。

generate：

listenhub music generate \
  --prompt "{prompt}" \
  --lyrics "{lyrics}" \
  --model "{model}" \
  --style "{style}" \
  --title "{title}" \
  --instrumental \
  --vocal-id "{vocal-id}" \
  --json

remix：

listenhub music remix \
  --audio "{path}" \
  --lyrics "{lyrics}" \
  --prompt "{prompt}" \
  --style "{style}" \
  --title "{title}" \
  --json

（--audio、--audio-url、--provider-song-id 三者中必须且只能使用一个）

instrumental：

listenhub music instrumental \
  --prompt "{prompt}" \
  --model "{model}" \
  --json

（也可以使用 --reference-audio "{path}" 代替 --prompt）

soundtrack：

listenhub music soundtrack \
  --image "{path}" \
  --prompt "{prompt}" \
  --json

（也可以使用 --video "{path}" 代替 --image）

track：

listenhub music track \
  --audio "{path}" \
  --generate-type "Vocals" \
  --lyrics "{lyrics}" \
  --vocal-gender "female" \
  --generate-start 0 --generate-end 30 \
  --json

（也可以使用 --provider-song-id；仅当 --generate-type Vocals 时使用 --lyrics）

extend：

listenhub music extend \
  --audio "{path}" \
  --prompt "{how to continue}" \
  --json

CLI 会在内部处理轮询。生成最多可能需要约 10 分钟。

告知用户任务已提交，完成后会通知他们。如果他们只有 taskId，可以使用 listenhub music get <taskId> --json 或 listenhub music list --json 查询。

收到完成通知后，呈现结果。CLI JSON 是一个任务对象；歌曲位于 tracks[0]，费用为 creditCost，duration 的单位是秒。解析关键字段：

AUDIO_URL=$(echo "$RESULT" | jq -r '.tracks[0].audioUrl // empty')
TITLE=$(echo "$RESULT" | jq -r '[.tracks[0].title, .params.title, "Untitled"] | map(select(. != null and . != "")) | .[0]')
# duration is seconds (older pre-rollout Mureka tasks may still be ms → a value ≥ 3600 means ms)
DURATION=$(echo "$RESULT" | jq -r '.tracks[0].duration // 0' \
  | awk '{d=$1; if (d>=3600) d/=1000; printf "%d:%02d", int(d/60), int(d%60)}')
CREDITS=$(echo "$RESULT" | jq -r '.creditCost // empty')

从配置中读取 OUTPUT_MODE。遵循 shared/output-mode.md 中的行为说明。

inline 或 both： 将音频 URL 显示为可点击链接。

音乐已生成！

标题：{title}
在线收听：{audioUrl}
时长：{duration}
消耗积分：{credits}

download 或 both： 还要下载文件。按照 shared/config-pattern.md § Artifact Naming 中的说明，根据标题生成 slug。

SLUG="{slug}"  # e.g. "summer-breeze"
NAME="${SLUG}.mp3"
# Dedup: if file exists, append -2, -3, etc.
BASE="${NAME%.*}"; EXT="${NAME##*.}"; i=2
while [ -e "$NAME" ]; do NAME="${BASE}-${i}.${EXT}"; i=$((i+1)); done
curl -sS -o "$NAME" "{audioUrl}"

已保存到当前目录：
  {NAME}

同步分析命令

recognize、describe、stem 会在同一次调用中返回结果——在前台运行（不使用后台运行或长超时），并立即呈现结果。

recognize（歌词 + 时间戳）：

listenhub music recognize --audio "{path}" --json

describe（描述、标签、流派、乐器）：

listenhub music describe --audio "{path}" --json

stem（分离的音轨 → ZIP 下载 URL）：

listenhub music stem --audio "{path}" --model "audio-separation-2" --json

在 download/both 模式下，立即将 ZIP URL 下载到当前工作目录。

任务管理

listenhub music list --json            # recent tasks
listenhub music get "{taskId}" --json   # one task's status / result

成功生成后

如果用户明确指定了语言，请使用本次会话中使用的语言更新配置：

if [ -n "$LANGUAGE" ]; then
  NEW_CONFIG=$(echo "$CONFIG" | jq --arg lang "$LANGUAGE" '. + {"language": $lang}')
  echo "$NEW_CONFIG" > "$CONFIG_PATH"
fi

预计耗时：

音乐生成：5-10 分钟

资源

各命令的参数参考：references/music-api.md
CLI 身份验证：shared/cli-authentication.md
CLI 使用模式：shared/cli-patterns.md
配置模式：shared/config-pattern.md
输出模式：shared/output-mode.md

可组合性

调用：无
由以下内容调用：content-planner（阶段 3）

示例

生成原创音乐：

“帮我做一首关于夏天海边的歌”

检测：生成模式（“做一首歌”）
读取配置（首次运行时：使用 outputMode: "download" 创建默认配置）
推断：模式 = 生成，提示词 = “夏天海边的歌”
询问：风格？标题？是否为纯音乐？
确认摘要 → 用户确认

listenhub music generate \
  --prompt "关于夏天海边的歌" \
  --json

等待 CLI 返回结果，然后将 {slug}.mp3 下载到当前工作目录。

混音已有歌曲：

“用 demo.mp3 重新填词混音，把它做成 city pop 风格”

检测：混音功能（“混音”）
验证：demo.mp3 存在，格式为 mp3/m4a，大小低于 10 MB
询问：新歌词（--lyrics，必填）、提示词/方向（--prompt，必填）、风格、标题
确认摘要 → 用户确认

listenhub music remix \
  --audio "demo.mp3" \
  --lyrics "{new lyrics}" \
  --prompt "rework as upbeat city pop" \
  --style "city pop" \
  --json

等待 CLI 返回结果，然后将 {slug}.mp3 下载到当前工作目录。

生成纯音乐：

“为游戏片头创作一段电子音乐”

检测：纯音乐功能（“instrumental”）
推断：提示词 = “游戏片头电子音乐”
确认摘要 → 用户确认

listenhub music instrumental \
  --prompt "electronic track for a game intro" \
  --json

等待 CLI 返回结果，然后将 {slug}.mp3 下载到当前工作目录。

为视频配乐：

“给这段 clip.mp4 配一段紧张的背景音乐”

检测：配乐功能（“配乐”），输入为视频
验证：clip.mp4 存在（mp4/mov/avi/mkv/webm），大小低于 10 MB
推断：提示词 = “紧张的背景音乐”
确认摘要 → 用户确认

listenhub music soundtrack \
  --video "clip.mp4" \
  --prompt "tense, suspenseful background score" \
  --json

识别歌词（同步）：

“帮我识别 song.mp3 里的歌词”

检测：歌词识别功能（“识别歌词”）
验证：song.mp3 存在，大小低于 10 MB
在前台运行，并显示带时间戳的歌词

listenhub music recognize --audio "song.mp3" --json

分离音轨（同步）：

“把 track.mp3 分轨”

检测：音轨分离功能（“分轨”）
询问：分离模型（audio-separation-1 / audio-separation-2）
在前台运行；在下载模式下，将 ZIP URL 中的文件下载到当前工作目录

listenhub music stem --audio "track.mp3" --model "audio-separation-2" --json

支持 Markdown

登录后评论

基本信息

作者: marswaveai
仓库: marswaveai/skills
分类: 创意与媒体
安装次数: 702
GitHub Stars: 81

报告问题