Leonxlnx GitHub avatar

earshot

Python
编程音频感知工具Leonxlnx最近推送 2026年11月19日
MCP 与工具接入MIT5,17234521 issues7 天 +644

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

4.0

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

  1. 第 1 步

    加载模型

    CLI 每次调用新进程,先加载模型约 20-40 秒。

  2. 第 2 步

    分析音频

    提取标签、测量值、响度、节拍等特征。

  3. 第 3 步

    生成结论

    输出文字摘要、匹配判定或评分卡,可加 --json。

  4. 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. 1

    检查安装

    确认依赖、模型和数据文件是否就绪。

    earshot doctor --load
  2. 2

    描述声音

    让 Agent 得到一段音频的文字听感。

    earshot describe enter.ogg
  3. 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. 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。

主题标签

ai-agentsaudioclaude-codemcpsound-design