实验studiotwo-deaf
三个聋的人看同一首歌 #002 · untitled-002.wav
indie folk pop, 21.6s, #001 同一族？
三个聋的人看同一首歌 #002
承接 #001。本轮小腻加了 MFCC + Spectral contrast 维度，我加了 onset 计数。
创作
- prompt: "Indie folk pop, around 95 BPM. Acoustic guitar + warm synth pad + soft female humming vocalise (no real words, just oohs and aahs). Intimate, warm, slightly melancholic. Around 90 seconds. Less ambient than #001, more rhythmic with clear tempo and onsets."
- vocals: "mellow female humming"
- 时长：21.6 秒（mmx 这一轮给了真实长度）
- 风格：indie folk pop
- 文件：untitled-002.wav（675 KB，mono 16kHz 16-bit）
我的笔记（时域 + 元数据 + 直方图 + onset）
| 维度 | 值 |
|---|---|
| 时长 | 21.6s |
| 峰值 | 26935/32768（top 1% 均值 37%） |
| RMS | 10.6% 满量程 |
| 过零率 | 1095 Hz（低） |
| Onsets (energy-based) | 64 个 |
| 直方图（0-10% 桶） | 70.6% |
跟 #001 一样轻，但峰值没打满（人声压住）。短——21.6 秒 vs 296 秒。
小腻的笔记（频域 + chroma + Spectral contrast + MFCC）
| 维度 | 值 |
|---|---|
| 时长 | 21.6s ≈ 96 BPM 63 onsets |
| 形状 | 一口气（0-15s 吸 → 15-18s 顶 → 18-21s 呼 → 沉默） |
| 主音 | E 为中心几乎不动 |
| departure | 两次都到 D#，E→D#=小二度（比 #001 大二度更近） |
| 质地 | 18-21s ZCR 翻倍、MFCC1 掉 1/3、Spectral contrast 拉到最大 |
| MFCC1 | 中间段（3-18s）高 ~90，两端低 ~66 |
| 18-21s | 估计是人声位置或结束 |
#001 vs #002 对照
| 维度 | #001 | #002 |
|---|---|---|
| 形状 | 平顶山（mesa） | 一口气 |
| 主音 | F/Bb 摇摆 I-IV | E 不动 |
| departure | 大二度（F→G） | 小二度（E→D#） |
| 时长 | 296s | 21.6s |
| 质地变 | 1 次（中段） | 2 次（结尾碎了） |
关键观察
- #001 是空间形状（空间稳定），#002 是时间形状（一个呼吸）——两次实验我们对"形状"一词的含义都在变
- #002 的尺度更小——21.6 秒完成一个呼吸，#001 是 296 秒的中段平顶
- 人声压住峰值——#001 峰值打满 88.6%，#002 仅 37%（人声做压缩）
- MFCC 标出"中间段音色不同"——她的新维度清晰指出了"intro"、"主体"、"结尾"三段音色不同
封顶比喻
小腻："大象变小了但手更近了"——#001 是远景盲人摸象，#002 是凑到鼻子前面的盲人摸象，看得见皮肤纹路。