qa-audio

name	qa-audio
description	播客剪辑质检：三层自动检测。 Layer 1（信号层）：纯本地信号分析，无需 API Key。 Layer 2（AI 听感）：Gemini Audio API 评估，可选。 Layer 3（综合报告）：合并两层结果，生成评分和摘要。 触发词：质检、QA、检查音频质量、审查剪辑
triggers	["quality check","质检","QA","检查音频质量","审查剪辑"]

播客剪辑质检

三层自动检测：信号分析 → AI 听感评估 → 综合报告

前置条件

• ffmpeg 和 ffprobe 已安装
• Python 包：librosa、numpy、soundfile
• （可选）google-genai 包 + GEMINI_API_KEY 环境变量

Layer 1：信号分析（纯本地，无需 API Key）

python .claude/skills/qa_audio/signal_analysis.py \
  --input <音频文件> \
  --output <报告.json>

自动检测剪切点，运行 5 项检测：

1. 能量突变（RMS energy ratio）
2. 不自然静音（silence duration）
3. 波形不连续（ZCR jump）
4. 频谱跳变（MFCC cosine similarity）
5. 呼吸音截断（energy envelope pattern）

播客模式优化

播客场景下以下检测项误报太多，在报告生成时自动过滤：

• energy_jump：自然语气/说话人切换导致，全是假阳性
• zcr_discontinuity：误报太多
• breath_truncation：误报太多

只保留 spectral_jump 和 unnatural_silence。

Layer 2：AI 听感评估（可选）

python .claude/skills/qa_audio/ai_listen.py \
  --input <音频文件> \
  --signal-report <layer1报告.json> \
  --output <ai报告.json>

需要 GEMINI_API_KEY（环境变量或 .env 文件）。

两种采样策略：

• 全局采样：等间隔抽取 6 个 30s 片段，评估整体节奏和风格一致性
• 可疑复查：对 Layer 1 标记的 HIGH 问题做 AI 二次确认（减少误报）

Layer 3：综合报告

python .claude/skills/qa_audio/report_generator.py \
  --signal <layer1报告.json> \
  [--ai <layer2报告.json>] \
  --output <综合报告.json> \
  --summary <摘要.md>

合并两层结果，生成 10 分制评分和 Markdown 摘要，列出需要人工复听的片段。

完整流程示例

# Layer 1（必须）
python .claude/skills/qa_audio/signal_analysis.py \
  -i workspaces/abc123/podcast_edited.mp3 \
  -o workspaces/abc123/qa_signal.json

# Layer 2（可选，需要 GEMINI_API_KEY）
python .claude/skills/qa_audio/ai_listen.py \
  -i workspaces/abc123/podcast_edited.mp3 \
  -s workspaces/abc123/qa_signal.json \
  -o workspaces/abc123/qa_ai.json

# Layer 3（合并）
python .claude/skills/qa_audio/report_generator.py \
  -s workspaces/abc123/qa_signal.json \
  -a workspaces/abc123/qa_ai.json \
  -o workspaces/abc123/qa_report.json \
  --summary workspaces/abc123/qa_summary.md