CB audiolla
Клиент HTTP/MCP для развернутого пользователем сервера аудиопродакшена audiolla. Используйте ТОЛЬКО если пользователь явно указал audiolla И предоставил AUDIOLLA_URL (или он установлен в окружении). Возможности: разделение треков (Demucs / MDX / BS-Roformer), мастеринг (сопоставление с эталоном / цепочка пресетов pedalboard), анализ MIR (BPM, тональность, LUFS, спектральные характеристики, сетка ударов, определение начала звука, контур мелодии, структурная сегментация через librosa), DSP-преобразования (усиление, эквалайзер, компрессор, реверберация, высота тона, темп через SoX), измерение и нормализация громкости, общие цепочки эффектов (полный каталог pedalboard как упорядоченная цепочка), многополосная компрессия (кроссоверы LR4), формирование переходных процессов, сайдчейн-дакинг, де-эссинг, кодирование/декодирование mid/side, параметрический эквалайзер, панорамирование, ширина стерео, обнаружение и обрезка тишины, восстановление аудио (declip + dehum), обнаружение клиппинга, разделение гармонических/перкуссионных звуков, растяжение времени и сдвиг высоты тона, сопоставление BPM/тональности, коррекция высоты тона (автотюн), нарезка битов, извлечение аудио-миниатюр, сверточная реверберация, статичная PNG-спектрограмма/волноформа и 8-режимное анимированное видео MP4/WebM (ffmpeg), акустическое фингерпринтинг Chromaprint, тегирование AudioSet, эмбеддинги аудио CLAP + сходство + zero-shot классификация, чтение/запись метаданных ID3/Vorbis/FLAC, создание MIDI из спецификации JSON, инспекция MIDI, трансформация MIDI (транспонирование/квантование/темп/фильтр каналов), квантование и очеловечивание MIDI, генерация ударных паттернов, рендеринг MIDI через fluidsynth, полифоническая транскрипция аудио в MIDI (Spotify basic-pitch ONNX), преобразование аккордов в MIDI, AI-восстановление аудио (de-reverb, de-echo, AI de-noise через UVR/audio-separator), DSP-шумоподавление, нейронное улучшение речи/вокала (DeepFilterNet DF3), обнаружение активности голоса (silero-vad), диаризация диктора (pyannote 3.1), подготовка DJ (BPM + тональность + Camelot + LUFS в одном вызове), обнаружение точек зацикливания, кураторские серверные пресеты рабочих процессов (master-for-spotify, podcast-cleanup, vocal-cleanup) и ad-hoc конвейеры операций, которые связывают несколько операций на стороне сервера. v1.0.0
машинный переводПоказать оригиналСкрыть оригинал«HTTP/MCP client for a user-deployed audiolla audio-production server.…»
HTTP/MCP client for a user-deployed audiolla audio-production server. Use ONLY when the user has explicitly named audiolla AND provided AUDIOLLA_URL (or has it set in the environment). Capabilities: stem separation (Demucs / MDX / BS-Roformer), mastering (matchering reference / pedalboard preset chain), MIR analysis (BPM, key, LUFS, spectral features, beat grid, onset detection, melody contour, structural segmentation via librosa), DSP transforms (gain, EQ, compand, reverb, pitch, tempo via SoX), loudness measurement and normalization, generic effects chains (full pedalboard catalog as ordered chain), multiband compression (LR4 crossovers), transient shaping, sidechain ducking, de-essing, mid/side encode-decode, parametric EQ, panning, stereo width, silence detection and trimming, audio repair (declip + dehum), clip detection, harmonic/percussive separation, time-stretch and pitch-shift, BPM/key matching, pitch correction (auto-tune), beat slicing, audio thumbnail extraction, convolution reverb, static PNG spectrogram/waveform and 8-mode animated MP4/WebM video (ffmpeg), Chromaprint acoustic fingerprinting, AudioSet tagging, CLAP audio embeddings + similarity + zero-shot classification, ID3/Vorbis/FLAC metadata read/write, MIDI composition from JSON spec, MIDI inspection, MIDI transformation (transpose/quantize/tempo/channel-filter), MIDI quantize and humanize, drum pattern generation, MIDI rendering via fluidsynth, polyphonic audio-to-MIDI transcription (Spotify basic-pitch ONNX), chords-to-MIDI conversion, AI audio restoration (de-reverb, de-echo, AI de-noise via UVR/audio-separator), DSP noise reduction, neural speech/vocal enhancement (DeepFilterNet DF3), voice activity detection (silero-vad), speaker diarization (pyannote 3.1), DJ prep (BPM + key + Camelot + LUFS in one call), loop-point detection, curated server-side workflow presets (master-for-spotify, podcast-cleanup, vocal-cleanup) and ad-hoc op pipelines that chain multiple operations server-side. v1.0.0
Клиент HTTP/MCP для развернутого пользователем сервера аудиопродакшена audiolla.
Как процесс B 72/100 · Почти готов — слабые места: стоимость исполнения, повторный запуск
Чем это грозит
Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.
Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.
Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».
Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.
Как улучшить
- Сократите description до 1024 символов.
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 5
✓ Критических и высоких находок нет
Средние и низкие: 5
-
средняя Утечка данных
net-credential-useSKILL.md:171Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)curl -H "Authorization: Bearer $AUDIOLLA_TOKEN" $AUDIOLLA_URL/v1/engines
-
средняя Утечка данных
net-credential-useSKILL.md:174Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)curl -H "Authorization: Bearer $AUDIOLLA_TOKEN" $AUDIOLLA_URL/v1/ps
-
средняя Утечка данных
net-credential-useSKILL.md:177Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)curl -X DELETE -H "Authorization: Bearer $AUDIOLLA_TOKEN" $AUDIOLLA_URL/v1/ps/htdemucs
-
средняя Утечка данных
net-credential-useSKILL.md:180Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)curl -X POST -H "Authorization: Bearer $AUDIOLLA_TOKEN" $AUDIOLLA_URL/v1/unload
-
средняя Утечка данных
net-credential-useSKILL.md:189Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)curl -X PUT -H "Authorization: Bearer $AUDIOLLA_TOKEN" \
Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- ошибка
description-longdescription 2822 символов, лимит 1024 - предупреждение
frontmatter-yamlSKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: HTTP/MCP client for a user-deployed audiolla audio-production serv… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении - предупреждение
body-longтело SKILL.md ≈ 15738 токенов (рекомендуется < 5000); вынесите детали в references/ - заметка
description-budgetdescription занимает 2822 из общего бюджета ~15000 символов на все скиллы
Процессный рейтинг: все десять параметров 72/100
- 30Повторный запуск. Изменяющих операций: 15, без проверки текущего состояния
- 40Стоимость исполнения. Тело инструкции 15738 токенов: вытесняет саму задачу из окна
- 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
- 60Шаги. Шагов: 94, расплывчатых формулировок: 9
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Когда включается. Сказано, когда применять и когда не применять
- 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле
- low Ответ описан самодельной разметкой (3 тегов): типизированный вызов надёжнее
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +3Длина description 2822: рекомендуется 120–800 символов
- -2Ссылки на localhost: у другого пользователя не заработает
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +4Структура: 42 заголовков
- +3Пошаговые инструкции: 94 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (34 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (1 из 1)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 42.