宠物叫声情绪解析

要解决什么问题

猫狗的叫声对人来说往往只有「叫了几声」，很难区分是在玩、在焦虑、还是在提示身体不舒服。本技能面向家庭场景下的叫声音频/视频，把频域特征、能量分布和时间包络等声学信号，映射成可读的情绪标签与行为意图说明，方便主人做下一步互动或观察，而不是凭主观猜测。

技能如何工作

能力上覆盖三类环节：声纹与发声类型识别（如吠叫、呜咽、咆哮等）、情绪推断（开心、兴奋、愤怒、焦虑、痛苦、警惕等）、意图翻译（求关注、饥饿、外出需求等）。典型流程是：用户提供本地路径或公网 URL 的音频/视频 → 按规范获取并校验 open-id（禁止自行编造标识）→ 在技能根目录调用 python -m scripts.pet_vocal_emotion_analysis，通过 --input 或 --url 提交素材 → 返回结构化报告（情绪/意图、置信度、互动建议等）。

若用户询问历史解析报告，技能会仅从云端 API（--list --open-id）拉取清单，并以 Markdown 表格输出；不得从本地 memory 或会话记录拼装列表。表格中的「点击查看」使用接口返回的 reportImageUrl 跳转完整报告页。

适用边界与注意点

识别质量依赖录音清晰度与片段完整性（建议 3～30 秒、尽量低环境噪声）。支持 mp3/wav/mp4/avi/mov，单文件上限 10MB；公网 URL 由 API 侧下载，无需本地先拉文件。结果受噪声与设备影响，仅供人宠互动参考，不能替代兽医诊断。上传数据经 HTTPS 传输，分析完成后云端按说明删除原始音视频，用户标识为 SHA-256 脱敏后的 open-id。