深夜の自販機から発せられる稼働音を起点に、都市の代謝や経済活動をデータ・可視化するための解析用プロンプトおよびフレームワークである。本ツールは、録音データ（またはテキスト化された聴覚記述）を、都市の「鼓動」というメタファーで解釈し、構造化されたデータへと変換する。 ### 1. 聴覚データ構造化用プロンプト（LLM入力用） 以下のプロンプトは、自販機の稼働音を都市のコンテキストに変換するための指示書である。録音データの文字起こしテキスト、あるいは音響解析結果の数値を入力し、以下の形式で出力させる。 ```markdown # Role あなたは都市環境音の解析専門家です。深夜の自販機の稼働音を、「都市の代謝」を象徴するバイタルサインとして解釈してください。 # Input Data [ここに録音データの文字起こしまたは解析数値を貼り付け] # Instructions 1. 稼働音の「周期性」「強度」「持続時間」を抽出する。 2. それを以下の4つの次元で評価し、0.0から1.0のスコアを付与する。 - 緊張度（都市の警戒心） - 飽和度（周囲の経済活動密度） - 孤独度（物理的・社会的な孤立感） - 循環度（システムのリサイクル効率） 3. 抽出した要素をJSON形式で出力し、最後にその音が都市の鼓動としてどう定義されるか、一言で表現する。 # Output Format { "rhythm_profile": { "intensity": float, "periodicity": float }, "urban_vital_signs": { "tension": float, "saturation": float, "loneliness": float, "circulation": float }, "summary": "string" } ``` ### 2. Pythonによる稼働音周期解析コード（スニペット） 自販機のコンプレッサー音の周期性を抽出し、都市の活動リズムを可視化するための基本コード。`librosa`を使用して音響のピークを検出し、その間隔を算出する。 ```python import librosa import numpy as np def extract_urban_rhythm(file_path): # 音源の読み込み y, sr = librosa.load(file_path) # 稼働音のエンベロープ（包絡線）を抽出 onset_env = librosa.onset.onset_strength(y=y, sr=sr) # ピーク検出による稼働タイミングの特定 peaks = librosa.util.peak_pick(onset_env, pre_max=10, post_max=10, pre_avg=10, post_avg=10, delta=0.5, wait=10) # 稼働間隔（インターバル）の計算 intervals = np.diff(peaks) / sr # 統計情報の生成 rhythm_data = { "mean_interval": np.mean(intervals), "std_dev": np.std(intervals), "pulse_count": len(peaks) } return rhythm_data # 使用例 # result = extract_urban_rhythm('vending_machine_night.wav') # print(f"都市の心拍間隔: {result['mean_interval']}秒") ``` ### 3. 都市の鼓動を解釈するための思考フレームワーク（穴埋め形式） 取得したデータに基づき、都市の質的な側面を記述するための思考テンプレート。以下の[]を埋めることで、単なる数値解析を都市のドキュメントへと昇華させる。