earshot：Agent 的耳朵 Skill 技能

earshot（耳声）是面向 AI 编程 Agent 的"耳朵"工具，让 Agent 能够真正听懂自己渲染出的代码影片、产品演示、游戏音效，并据此迭代。GitHub 仓库 https://github.com/Leonxlnx/earshot，发布 7 天内获得 1500+ Star。提供 CLI、Python API 和 MCP Server 三种形态，在 CPU 上本地运行，无需 API Key、无需账户、无需上传。

核心能力：

• describe：给文件写出"听起来像什么"，输出校准标签（z）、AudioSet 标签、可测量指标
• match / rank / find：判定一段声音是否匹配描述、多文件按描述排序、长录音里找到最佳时刻
• timeline：把整部影片的听感变成按时序的事件脚本、对齐到画面切点
• sheet：渲染一张标注 PNG（视频帧 + 段落 + 标签事件 + 频谱 + 响度 + 同步标记），给读图的 Agent
• critique：给启动片打出对照 7 部专业启动片的评分卡 + 时间戳修复建议
• forge：让 Agent 写合成"配方"代码（modal 谐振、噪声激励、滤波、计算房间），由 critic 打分进化
• fit：把任意录音翻译回可重渲染的合成代码，支持 morphing 两个录音
• sfx / kit：内置 201 个银行音效（whoosh/click/pop/impact/riser...），按画面时机调用

安装配置：

• macOS：brew install 或 curl 安装脚本
• Windows：PowerShell 一行安装
• Python 环境：pip install earshot（含 forge、fit、API、CLI）
• 模型：首次跑会自动下载 ~200MB 模型（CPU 推理，无需 GPU）

使用步骤：

1. earshot describe my_film.mp4 → 看 Agent 听到什么
2. earshot sheet my_film.mp4 -o sheet.png → 让 Agent 看图
3. earshot critique my_film.mp4 --video v.mp4 → 看专业评分卡
4. earshot forge whoosh --refs refs/ --budget 96 --dir out/ → 让 Agent 自己做出更准的音效
5. 把仓库内 MCP 配置接入 Claude Code / Cursor，agent 直接调用

适用场景：

• AI Agent 渲染代码影片后需要听感反馈
• 启动片、产品演示、游戏 UI 音效打分
• 用代码生成可批量重做的音效库
• 听感合成与设计音效搜索
• Agent 听一段录音写出可变形代码

适用人群： 用 AI 做生成式影片/游戏的开发者、用 Agent 做产品演示的设计师、独立游戏音效设计师、研究 code-as-sound 的研究员。

工作原理： CPU 上加载小型 AudioSet + CLAP 类模型，给出声音与文本描述的语义向量；用 1/3 倍频程、频谱包络、起音/衰减等可测指标做模型无关的打分；forge 用 evolutionary search 在合成参数空间里搜最优，critic 给出可读反馈。

官方链接：

• GitHub: https://github.com/Leonxlnx/earshot
• Release / 22s 启动片: https://github.com/Leonxlnx/earshot/releases/tag/v0.1.0