Speak Louder

不替你把录音说得更好听，先还原它究竟发生了什么。

Speak Louder 是面向单人表达录音的真实复盘 Skill。它结合声音的物理信号、逐字稿和具体场景，分析一段演讲、面试、销售、课程或工作汇报是否把内容说到了应有的位置。

它不是鼓励型陪伴，也不是标准话术训练器。最佳听众关心一个人说完以后处在什么状态；Speak Louder 只关心一件更硬的事：在那段录音里，你实际上说成了什么样。

它做什么

• 读取录音的时长、语流、停顿、声音能量变化和峰值位置。
• 结合逐字稿，检查真正有价值的内容是否被声音和结构拖累。
• 结合场景、听众与目标，判断表达力度是否用在对的地方。
• 只在录音显示结构问题时，提供有限且可验证的重组建议。

适用场景

• 工作汇报与项目陈述
• 面试与答辩练习
• 销售、课程、培训与路演录音
• 一段想认真复盘的独白、演讲或发言

当前版本只支持单人表达。多人会议、谈判、心理诊断、人格评估和医疗判断不在范围内。

证据纪律

任何结论都要回到以下至少一种证据：录音时间点、逐字稿原文、物理信号，或用户已说明的现场信息。

输出时分清三层：

• 事实：录音或逐字稿里能直接听见、看见的内容。
• 判断：事实在当前场景下可能意味着什么。
• 待确认：缺少听众反馈、现场关系或录音环境时无法下定论的部分。

录音里没有的优点，不编出来；已经妨碍表达的问题，不绕开。结构本来有效时，直接说明不需要改，不为挑刺而制造问题。

快速开始

python3 -m pip install -r requirements.txt
python3 scripts/speech_analyze.py /path/to/recording.m4a

脚本支持 wav / m4a / mp3 / flac；音频转换在 macOS 用内置 afconvert，其他系统需安装 ffmpeg。脚本输出声音物理信号 JSON；逐字稿可由任意合规的本地或云端转写服务生成，再连同录音分析结果、表达场景与用户目标交给智能体判断。

隐私

录音和逐字稿通常包含敏感信息。

• 只分析你有权使用的录音；涉及他人时，先取得必要授权。
• 默认在本地处理物理信号；如使用外部转写服务，由使用者自行确认服务条款、费用与数据去向。
• 密钥仅通过环境变量或本地配置提供，不要提交到 Git。
• 不要把真实录音、逐字稿、客户名、面试公司或内部项目材料提交到示例目录。

目录

speak-louder/
├── README.md
├── SKILL.md
├── LICENSE
├── requirements.txt
├── scripts/
│   └── speech_analyze.py
└── examples/
    └── fictional-report.md

许可

代码与文档以 MIT License 发布。