[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$f370mdjfb2ay2x":3},{"code":4,"message":5,"data":6,"timestamp":31},10000,"success",{"full_name":7,"position":8,"description":9,"language":10,"stars":11,"forks":12,"stars_gained":13,"age_days":14,"hn_threads":15,"one_liner":16,"summary_md":17,"topic":18,"github_topics":21,"license":27,"homepage":28,"updated_at":29,"history":30},"Leonxlnx\u002Fearshot",8,"Ears for coding agents: let AI hear, review and make sound. CPU-only, open source.","Python",2630,160,270,9,[],"让编码 Agent 在本地 CPU 上听懂、评判并合成音效与发布片音频。","## 解决什么问题\n\n编码 Agent 已经能生成视频、产品演示和游戏，却没法判断配套的声音对不对：分不出高级的按键声和廉价货，听不出打击音比剪辑点晚了 80 ms，也不知道音乐渐强落在了错误的位置。earshot 把声音变成 Agent 可以推理的证据——用文字描述音色、给描述匹配度打分、在长录音里定位最佳片段、检查音画同步，还能输出带标注的音频时间线图片。\n\n## 有什么不同\n\n常见做法有两条路：一是调用托管音频大模型 API，语义判断准，但要上传媒体、按量付费、延迟不可控；二是直接用 DSP 库拿一堆数字，Agent 没法自己解读。earshot 走第三条路：本地 CPU 上跑固定管线，默认不联网，把结果翻译成带校准 z 值的语言，并给出带时间戳的具体修改建议。另一半更有意思：`forge` 用代码配方合成音效，靠 critic 循环迭代改进；`fit` 能把一段录音反推成可再渲染的配方。README 也很坦诚：每次 CLI 调用要重新加载模型，耗时 20–40 秒，所以真正高频使用应该走 MCP server 或 Python API。\n\n## 适合谁\n\n适合正在搭建动态图形、游戏音效或产品发布片 Agent 工作流的开发者，尤其是需要 Agent 自己反复迭代声音、而不能每次都人工试听的团队。对媒体不能出内网的团队，纯本地、纯 CPU 的设计正好。需要广播级母带处理、实时音频处理或 DAW 替代品的人请绕道——这是证据与合成工具，不是音频编辑器。没把 Agent 放进流程的人会觉得 CLI 太重。\n\n## 上手成本\n\nPython 包，MIT 协议，只跑 CPU。需要安装模型和数据文件，可以用 `doctor --load` 自检。两项实际成本：除 `measure`、`sfx`、`kit` 外，每次 CLI 调用要花 20–40 秒加载模型；另外要花时间理解 critic 的术语体系和配方格式。可选的 Gemini 上传评审需要自己的 key 并显式同意。项目才 9 天、版本 0.4，接口和配方格式都可能变。\n\n## 点评\n\n这是一个典型的新项目冲高：约 9 天拿到 2,627 star，日均约 +274，但 Hacker News 上没有讨论，也没上过每日 trending 榜。这说明关注主要集中在发布周，还不是稳定采用。它瞄准的问题是真实空白——做媒体的 Agent 现在确实听不见自己的作品——本地、纯 CPU、MIT 的路子也符合这个缺口。不过 0.4 版本的 README 已经记录了对核心 benchmark 的 v2 重做，接口变动要有心理准备。如果你现在就在搭音频感知的 Agent 管线，值得试；如果要求稳定接口，建议再等几个版本。",{"slug":19,"name":20},"media","多媒体与设计",[22,23,24,25,26],"ai-agents","audio","claude-code","mcp","sound-design","MIT",null,"2026-10-24T23:35:49Z",[],1792901895]