能力标签

🛠

AI工具

音频发现增强

基于 Go · 开源免费，本地部署，数据完全自主可控

英文名：AudioMuse-AI-NV-plugin

⭐ 309 Stars 🍴 7 Forks 💻 Go 📄 AGPL-3.0 🏷 AI 7.5分

7.5AI 综合评分

AudioMuse-AI音乐发现声学分析

✦ AI Skill Hub 推荐

AI Skill Hub 推荐使用：音频发现增强是一款优质的AI工具。AI 综合评分 7.5 分，在同类工具中表现稳健。如果你正在寻找可靠的AI工具解决方案，这是一个值得深入了解的选择。

📚 深度解析

音频发现增强是一款基于 Go 的开源工具，在 GitHub 上收获 0k+ Star，是AudioMuse-AI、音乐发现、声学分析领域中的优质开源项目。开源工具的最大优势在于代码完全透明，你可以审计每一行代码的安全性，也可以根据自身需求进行二次开发和定制。

**为什么要使用开源工具而非商业 SaaS？**
对于个人开发者和有隐私需求的用户，本地部署的开源工具意味着数据不离本机，不受第三方服务商的数据政策约束。同时，开源工具通常没有使用次数限制和月度费用，一次安装即可长期使用，对于高频使用场景的总拥有成本（TCO）远低于订阅制商业工具。

**安装与环境准备**
音频发现增强依赖 Go 运行环境。建议通过 pyenv（Python）或 nvm（Node.js）管理 Go 版本，避免全局环境污染。对于新手用户，推荐先创建虚拟环境（python -m venv venv && source venv/bin/activate），再安装依赖，这样即使出现问题也可以随时删除虚拟环境重新开始，不影响系统稳定性。

**社区与维护**
GitHub Issue 和 Discussion 是获取帮助的最快渠道。在提问前建议先检查 Closed Issues（已关闭的问题），大多数常见问题都已有解答。遇到 Bug 时，提供 pip list 的输出、完整错误堆栈和最小可复现示例，能显著提高开发者响应速度。AI Skill Hub 将持续追踪音频发现增强的版本更新，及时通知重要功能变化。

📋 工具概览

音频发现增强是一款基于 Go 开发的开源工具，专注于 AudioMuse-AI、音乐发现、声学分析等核心功能。作为 GitHub 开源项目，它拥有活跃的社区支持和持续的版本迭代，代码完全透明可审计，支持本地部署以保护数据隐私。无论是个人使用还是集成到企业工作流，都能提供稳定可靠的解决方案。

GitHub Stars

⭐ 309

开发语言

支持平台

Windows / macOS / Linux（跨平台）

维护状态

轻量级项目，按需更新

开源协议

AGPL-3.0

AI 综合评分

7.5 分

工具类型

AI工具

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

📌 核心特色

开源免费，支持本地部署，数据完全自主可控
活跃的 GitHub 开源社区，持续迭代更新
提供详细文档和使用示例，新手友好
支持自定义配置，灵活适配不同使用环境
可作为基础组件集成进现有技术栈或进行二次开发

🎯 主要使用场景

本地部署运行，保护数据隐私，满足合规要求
自定义集成到现有系统，扩展技术栈能力
作为开源基础组件进行商业化二次开发

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：go install（推荐）
go install github.com/NeptuneHub/AudioMuse-AI-NV-plugin@latest

# 方式二：从源码编译
git clone https://github.com/NeptuneHub/AudioMuse-AI-NV-plugin
cd AudioMuse-AI-NV-plugin
go build -o audiomuse-ai-nv-plugin .

# 方式三：下载预编译二进制
# 访问 Releases 页面下载对应平台二进制文件
# https://github.com/NeptuneHub/AudioMuse-AI-NV-plugin/releases

📋 安装步骤说明

访问 GitHub 仓库页面
按照 README 文档完成依赖安装
根据系统环境完成初始化配置
参考官方示例或文档开始使用
遇到问题可在 GitHub Issues 中查找解答

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 查看帮助
audiomuse-ai-nv-plugin --help

# 基本运行
audiomuse-ai-nv-plugin [options] <input>

# 详细使用说明请查阅文档
# https://github.com/NeptuneHub/AudioMuse-AI-NV-plugin

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

# audiomuse-ai-nv-plugin 配置说明
# 查看配置选项
audiomuse-ai-nv-plugin --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量（覆盖配置文件）
export AUDIOMUSE_AI_NV_PLUGIN_CONFIG="/path/to/config.yml"

📑 README 深度解析真实文档完整度 20/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

HOW-TO Install

IMPORTANT: Before start we suggest to have the last version of Navidrome, AudioMuse-AI-NV-plugin and AudioMuse-AI core containers. If the version are not aligned, some error could happen. Keep this in mind also for future update.

The ENV var ND_PLUGINS_ENABLED, ND_PLUGINS_AUTORELOAD and ND_AGENTS are important, assuming that you deploy with docker compose you should use something like this:

version: '3'
services:
  navidrome:
    image: deluan/navidrome:latest
    ports:
      - '4533:4533'
    environment:
      - ND_PLUGINS_ENABLED=true
      - ND_PLUGINS_AUTORELOAD=true
      - ND_AGENTS=audiomuseai,lastfm,deezer
      - ND_DEVARTISTINFOTIMETOLIVE=1s
    volumes:
      - ./data:/data
      - /path/to/music:/music:ro

Then you need to put audiomuseai.ndp in Navidrome data plugins folder (default: /data/plugins).
Restart Navidrome, go to UI -> Plugins, enable AudioMuse-AI, set AudioMuse-AI API URL and other configuration parameter.

Note: the audiomuseai.npd can be found attached to the release: https://github.com/NeptuneHub/AudioMuse-AI-NV-plugin/releases

See the official Navidrome Documentation for more information on how the plugin works.

HOW-TO build

Requirements (Ubuntu / macOS): Go, TinyGo.
Build:

make build    # -> audiomuseai.wasm
make package  # -> audiomuseai.ndp

Full stop.

AudioMuse-AI Navidrome Plugin

AudioMuse-AI-NV-Plugin the a Navidrome plugin that integrates core AudioMuse-AI features into the Navidrome frontend.

Actually this is the list of integrated functionality: - Instant Mix - Song similarity - Radio - Artist Similarity - Artist Info - It return similar artist

For Mobile app that want to map this functionality they need to implement the getSimilarSongs2 / getSimilarSongs and getArtistInfo API.

Front-End tested with the plugin are: - Navidrome integrated web frontend - Substreamer - iOS/Android opensource mobile frontend, more information here: https://github.com/ghenry22/substreamer/issues/58 - Tempus - Android opensource mobile frontend, more information here: https://github.com/eddyizm/tempus/issues/410 - Symfonium - Androind closed source mobile frontend. You need to enable in the configuration Use similar tracks for Radio Mix. Additional functionality that use AudioMuse-AI API are actually implemented only using Jellyfin. More information here: https://support.symfonium.app/t/implement-navidrome-audiomuse-ai-plugin-to-symfonium/12238/12 - Feishin - Web opensource frontend, more information here: https://github.com/jeffvli/feishin/issues/1675

Other frontnend not in this list could also work by using those API even.

NEWS > From AudioMuse-AI-NV-plugin v8 the Sonic Similarity API extension are supported on top of the previous one. The API are documented here and supported by this Navidrome PR > InstantMix support in Navidrome start from v0.60.0: https://github.com/navidrome/navidrome/releases/tag/v0.60.0

The full list or AudioMuse-AI related repository are: > AudioMuse-AI: the core application, it run Flask and Worker containers to actually run all the feature; > AudioMuse-AI Helm Chart: helm chart for easy installation on Kubernetes; > AudioMuse-AI Plugin for Jellyfin: Jellyfin Plugin; > AudioMuse-AI Plugin for Navidrome: Navidrome Plugin; > * AudioMuse-AI MusicServer: Open Subsonic-like Music Server with integrated sonic functionality.

🎯 aiskill88 AI 点评 A 级 2026-06-12

优质开源AI工具，提升音乐发现体验

⚡ 核心功能

开源免费，支持本地部署，数据完全自主可控
活跃的 GitHub 开源社区，持续迭代更新
提供详细文档和使用示例，新手友好
支持自定义配置，灵活适配不同使用环境
可作为基础组件集成进现有技术栈或进行二次开发

👥 适合人群

AI 技术爱好者研究人员和学生开发者和工程师技术创业者

🎯 使用场景

本地部署运行，保护数据隐私，满足合规要求
自定义集成到现有系统，扩展技术栈能力
作为开源基础组件进行商业化二次开发

⚖️ 优点与不足

✅ 优点

+完全开源免费，无授权费用
+本地部署，数据完全自主可控
+开发者社区支持，遇问题可查可问

⚠️ 不足

−安装和初始配置可能需要一定技术基础
−功能完整性通常不如成熟商业产品
−技术支持主要依赖开源社区，响应速度不稳定

⚠️ 使用须知

该工具使用 AGPL-3.0 协议，商用场景请仔细阅读协议条款，必要时咨询法律意见。

AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。

📄 License 说明

⚠️ AGPL 3.0 — 最严格的 Copyleft，网络服务端使用也需开源，SaaS 使用受限。

🔗 相关工具推荐

transformers AI技能包

Hugging Face开源的深度学习框架，提供预训练语言模型、视觉模型和多模态模型。集成BERT、GPT、Llama等

ComfyUI 节点式AI图像生成

强大的开源扩散模型可视化工具，提供图形界面、API和后端服务。采用节点图式设计，支持模块化工作流构建，适合AI绘图、图像

llama-cpp AI技能包

高效的大语言模型C/C++推理框架，支持在本地CPU/GPU上运行量化LLM模型，具有内存占用小、推理速度快的特点。适合

yt-dlp 视频下载

功能强大的开源视频下载工具，支持YouTube、TikTok等数千个视频平台，可自动下载视频、字幕、封面和元数据。适合内

🧩 你可能还需要

基于当前 Skill 的能力图谱，自动补全的工具组合

total-agent-memory MCP工具

为Claude Code和Codex CLI提供持久化记忆功能的开源MCP工具。自动提取知识图谱，支持多轮对话上下文保留，适合需要长期记忆和

❓ 常见问题 FAQ

如何使用AudioMuse-AI?−

参考项目文档和示例配置

安装这个工具需要什么基础？+

安装过程中遇到依赖冲突怎么办？+

工具安装成功但运行报错，该怎么处理？+

这个工具是否有数据隐私风险？+

工具更新后会影响已有的配置和数据吗？+

💡 AI Skill Hub 点评

总体来看，音频发现增强是一款质量良好的AI工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。

📚 深入学习音频发现增强

查看分步骤安装教程和完整使用指南，快速上手这款工具

⚙️ 安装教程 📚 使用教程

🌐 原始信息

原始名称	`AudioMuse-AI-NV-plugin`
Topics	`AudioMuse-AI音乐发现声学分析`
GitHub	https://github.com/NeptuneHub/AudioMuse-AI-NV-plugin
License	AGPL-3.0
语言	Go

🔗 原始来源

🐙 GitHub 仓库 https://github.com/NeptuneHub/AudioMuse-AI-NV-plugin

收录时间：2026-06-12 · 更新时间：2026-06-12 · License：AGPL-3.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。