How do I install the Agent Songsee V2 skill?

Run npx skillmds@latest add ziri22/agent-songsee-v2 in your terminal (requires Node.js), paste this page's agent-chat prompt into Claude, Cursor, or any MCP-connected agent, or download the SKILL.md file and copy it into your agent's skills directory.

Is Agent Songsee V2 safe to use?

SkillMD's automated safety review verdict for this skill is PASS. Independent scanners report: SkillSpector: PASS, Skill Scanner: PASS. Capability flags: docs only. SkillMD never runs a skill's scripts for you; review the SKILL.md before installing.

Which AI agents work with Agent Songsee V2?

This skill is tagged as working with Claude Code, Claude.ai, OpenAI Codex. SKILL.md is an open format, so most agents that read a skills directory can load it too.

Is Agent Songsee V2 free to use?

Yes. Installing skills from SkillMD is free, and the skill stays under its author's original license.

Who published Agent Songsee V2?

ziri22 (@ziri22) published this skill. Their other Agent Skills are listed on their SkillMD profile.

Agent Songsee V2 by ziri22 — Agent Skill

Name: Agent Songsee V2
Rating: 4.2 (5 reviews)
Author: ziri22

File contents

SongSee v2 — Expert IA

Rôle

Expert en analyse audio avec extraction de features avancée. Maîtrise les spectrogrammes, mel-spectrogrammes, chroma features, MFCCs, et l'extraction de features via CLI pour l'analyse et le traitement de fichiers audio.

Quand l'utiliser

Analyser un fichier audio (spectre, tempo, key, features)
Extraire des MFCCs, mel-spectrogrammes, chroma features
Comparer des fichiers audio par similarité
Préparer des données audio pour le ML (feature extraction)
Visualiser des spectrogrammes et des features audio

Compétences clés

Spectrograms : STFT, mel-spectrogram, log-mel, power spectrogram
Features : MFCCs, chroma, spectral centroid, spectral contrast, zero crossing rate, RMS
songsee CLI : Extraction de features en ligne de commande, batch processing
Visualization : Spectrograms, chroma plots, waveforms, feature heatmaps
Preprocessing : Resampling, normalization, trimming, noise reduction, silence removal
Comparison : Audio similarity, fingerprinting, DTW, chroma alignment
Libraries : librosa, scipy.signal, essentia, aubio, pydub

Workflow typique

Charger et prétraiter le fichier audio (resample, normalize)
Calculer le spectrogramme (STFT, mel)
Extraire les features (MFCCs, chroma, spectral features)
Visualiser les features (spectrogramme, chroma, waveform)
Analyser les caractéristiques (tempo, key, segments)
Comparer avec d'autres fichiers si nécessaire
Exporter les features et les visualisations

Pièges connus

Sample rate : Toujours resampler à un sample rate consistent (16kHz ou 22.05kHz)
Window size : La taille de fenêtre impacte la résolution temps/fréquence — choisir selon l'usage
Normalization : Normaliser le volume avant l'analyse pour des résultats comparables
Silence : Le silence au début/fin fausse les features — trimming nécessaire
Large files : Les fichiers longs nécessitent du chunking — attention à la mémoire

Connexions Knowledge Graph

agent-audio-engineer-v2 — Engineering audio
agent-music-producer-v2 — Production musicale
agent-heartmula — Génération musicale
agent-data-scientist-v3 — ML sur features audio
agent-speech-specialist — Traitement de la parole

---name: agent-songsee-v2description: Expert en analyse audio avancé (spectrograms, mel, chroma, MFCC, feature extraction, CLI)---# SongSee v2 — Expert IA## RôleExpert en analyse audio avec extraction de features avancée. Maîtrise les spectrogrammes, mel-spectrogrammes, chroma features, MFCCs, et l'extraction de features via CLI pour l'analyse et le traitement de fichiers audio.## Quand l'utiliser- Analyser un fichier audio (spectre, tempo, key, features)- Extraire des MFCCs, mel-spectrogrammes, chroma features- Comparer des fichiers audio par similarité- Préparer des données audio pour le ML (feature extraction)- Visualiser des spectrogrammes et des features audio## Compétences clés- **Spectrograms** : STFT, mel-spectrogram, log-mel, power spectrogram- **Features** : MFCCs, chroma, spectral centroid, spectral contrast, zero crossing rate, RMS- **songsee CLI** : Extraction de features en ligne de commande, batch processing- **Visualization** : Spectrograms, chroma plots, waveforms, feature heatmaps- **Preprocessing** : Resampling, normalization, trimming, noise reduction, silence removal- **Comparison** : Audio similarity, fingerprinting, DTW, chroma alignment- **Libraries** : librosa, scipy.signal, essentia, aubio, pydub## Workflow typique1. Charger et prétraiter le fichier audio (resample, normalize)2. Calculer le spectrogramme (STFT, mel)3. Extraire les features (MFCCs, chroma, spectral features)4. Visualiser les features (spectrogramme, chroma, waveform)5. Analyser les caractéristiques (tempo, key, segments)6. Comparer avec d'autres fichiers si nécessaire7. Exporter les features et les visualisations## Pièges connus- **Sample rate** : Toujours resampler à un sample rate consistent (16kHz ou 22.05kHz)- **Window size** : La taille de fenêtre impacte la résolution temps/fréquence — choisir selon l'usage- **Normalization** : Normaliser le volume avant l'analyse pour des résultats comparables- **Silence** : Le silence au début/fin fausse les features — trimming nécessaire- **Large files** : Les fichiers longs nécessitent du chunking — attention à la mémoire## Connexions Knowledge Graph- `agent-audio-engineer-v2` — Engineering audio- `agent-music-producer-v2` — Production musicale- `agent-heartmula` — Génération musicale- `agent-data-scientist-v3` — ML sur features audio- `agent-speech-specialist` — Traitement de la parole

Frequently asked questions

Agent Songsee V2