AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日
让编程 Agent 能听、能评、能造声音的本地 CPU 音频工具。
earshot 是一个面向 AI 编程 Agent 的音频工具集,把声音转成 Agent 能推理的证据:用文字描述文件听感、判断与描述的匹配度、定位长录音中的最佳片段、区分真实录音与代码合成、生成整片逐秒听感记录和标注图,并对照专业发布片打分。它同时支持 Agent 用代码合成声音并靠“听”来迭代改进,以及把录音翻译成可调参数的代码。以 CLI、Python API 和 MCP 服务器三种形式在本地 CPU 上运行。
推荐指数
思路新颖、命令覆盖完整,适合想让 Agent 具备听觉反馈的开发者,但首次加载模型较慢。
近 7 天
+644
新增 Star
总 Star 排名
#1239
雷达追踪的 3,958 个 AI 仓库中
创建于
2026
2026年10月15日
核心亮点
1声音转证据
把音频变成文字描述、匹配分和测量值,供 Agent 推理。
2全片听感记录
timeline 和 sheet 输出逐秒事件、同步点与标注图。
3代码造声
forge 用物理合成配方生成声音,再靠听感评分迭代。
4录音转代码
fit 把录音翻译成可调参数的合成配方模块。
5纯 CPU 本地
无需 GPU 和网络,支持 CLI、Python API 与 MCP。
适用场景
Agent 审听素材
例如:用 earshot match 判断下载的音效是否符合“深沉的机械键盘按键声”。
发布片音效检查
例如:用 earshot critique 对照专业发布片给出带时间戳的修改建议。
长录音找片段
例如:用 earshot find 在整段录音中定位单次按键声的时间区间。
代码生成音效
例如:用 earshot forge 生成 UI 点击声并按听感评分反复改进。
它是怎么工作的
第 1 步
加载模型
CLI 每次调用新进程,先加载模型约 20-40 秒。
第 2 步
分析音频
提取标签、测量值、响度、节拍等特征。
第 3 步
生成结论
输出文字摘要、匹配判定或评分卡,可加 --json。
第 4 步
接入 Agent
通过 MCP 服务器或 Python API 让模型保持常驻。
快速上手
- 1
检查安装
确认依赖、模型和数据文件是否就绪。
earshot doctor --load - 2
描述声音
让 Agent 得到一段音频的文字听感。
earshot describe enter.ogg - 3
匹配描述
判断音频与目标描述及备选描述的贴合度。
earshot match key.ogg "a deep thocky mechanical keyboard press" --alts "a clicky blue switch keyboard" "a mouse click" - 4
启动 MCP
以 MCP 服务器形式供 Claude Code 等 Agent 调用。
earshot mcp
适合谁
- 做 AI 编程 Agent 的开发者
- 需要音频审听或音效生成的团队
- 只有 CPU 环境、想本地运行的开发者
不太适合
- 需要专业音频编辑软件的音乐制作人
- 只想做语音识别或转写的用户
成熟度
- 活跃度约一个月内从 0.1 迭代到 0.4,更新频繁。
- 文档README 详细列出全部命令、示例和新增特性。
- 社区约 5000 star、338 fork,issue 仅 18 个,尚属早期。
- 上手难度命令多、概念多,CLI 每次需加载模型 20-40 秒。
使用前注意
- · MIT 许可,可商用,但需保留版权声明。
- · CLI 每次调用都重新加载模型,批量使用建议走 MCP 或 Python API。
- · 部分命令依赖模型和数据文件,首次使用需确认下载完整。
- · 可选的音频大模型评审需自备 Gemini 密钥并显式同意上传。
