earshot 4 天漲到 916 星但我勸你先別急著沖【免費(fèi)下載鏈接】earshotEars for coding agents: let AI hear, review and make sound. CPU-only, open source.項(xiàng)目地址: https://gitcode.com/gh_mirrors/ears/earshot一個(gè)名為 earshot 的開源項(xiàng)目正在 GitHub 上快速走紅它自稱給編碼智能體裝上耳朵Ears for coding agents讓 AI 不僅能寫出渲染影片、產(chǎn)品演示或游戲的代碼還能聽懂自己做出的聲音——判斷一個(gè)按鍵聲是廉價(jià)還是高級(jí)、察覺某個(gè)音效比剪輯點(diǎn)晚了 80ms、或者指出音樂在錯(cuò)誤的位置漸強(qiáng)。這個(gè)敘事恰好踩中了 2026 年 AI Agent 應(yīng)用落地的最大焦慮之一模型越來越會(huì)做卻越來越不會(huì)驗(yàn)。于是項(xiàng)目在首次公開發(fā)布后 4 天沖到 916 星到我寫稿時(shí)已過 1.1k。但讀完整個(gè)倉庫之后我的結(jié)論是這個(gè)項(xiàng)目值得關(guān)注卻更值得觀望。一、先看清楚916 星是怎么來的先看時(shí)間線。根據(jù)倉庫的 CHANGELOG.mdeashot 的發(fā)布節(jié)奏是版本日期內(nèi)容0.1.02026-10-16首次公開發(fā)布describe / match / find / realness / timeline / forge v1 等 12 個(gè)命令 22 秒 launch film0.2.02026-10-16forge v234 類合成音色earshot fit錄音轉(zhuǎn)代碼0.2.12026-10-17兩個(gè)外部評(píng)審修復(fù)明確標(biāo)注未單獨(dú)發(fā)布0.3.02026-10-19201 音效銀行 sfx / kit 管線也就是說從 10 月 16 日 0.1.0 公開到 10 月 19 日即 916 星這個(gè)數(shù)字出現(xiàn)的時(shí)刻恰好是 4 天。同時(shí) GitHub 頁面上倉庫一共只有33 個(gè)提交、60 個(gè) fork沒有公開的 issue 或 PR 記錄幾乎可以確定是單人、擠壓式的首發(fā)。那么這 916 顆星是被什么驅(qū)動(dòng)的是門面不是驗(yàn)收。倉庫的門面做得確實(shí)出色一個(gè) 22 秒的 launch filmREADME.md 聲稱其中所有聲音都由代碼生成、README 頂部幾段極具沖擊力的終端輸出——describe能把 0.56 秒的瞬態(tài)描述成attack 3 ms、190 ms 衰減、最像單鍵機(jī)械鍵盤z 5.4critique能對(duì)整部影片給出21 of 23 指標(biāo)達(dá)標(biāo)、最優(yōu)先修復(fù)項(xiàng)是 0:01.01 前沒有聲音達(dá)到主體電平。再加上CPU-only、開源、MCP server 開箱即用三個(gè)標(biāo)簽一個(gè)AI 能聽聲的強(qiáng)敘事就成立了。star 天然流向這種敘事——它是情緒不是驗(yàn)收。一個(gè)佐證是在社區(qū)里搜earshot 音頻相關(guān)的報(bào)道跳出來的大多是無關(guān)的語音轉(zhuǎn)文字教程、音頻處理科普甚至還有一家同名的專業(yè)音頻取證機(jī)構(gòu)Earshot最近因?yàn)榕卸ㄒ欢谓孬@通話錄音被篡改而上了新聞。那個(gè)實(shí)體與這個(gè) GitHub 項(xiàng)目毫無關(guān)系但這種名字撞車本身就在為搜索流量添柴?？磾?shù)字前先分清哪些是產(chǎn)品帶來的、哪些是敘事和巧合帶來的。二、為什么我勸你先別急著沖四個(gè)冷靜點(diǎn)1. 證據(jù)鏈高度依賴作者自證。項(xiàng)目最核心的賣點(diǎn)——AI 能聽、能評(píng)、能造聲——的驗(yàn)證幾乎全部由作者本人完成forge v1 的盲測成績是 15 次試驗(yàn)猜中 8 次README 自己承認(rèn)a coin flip且聽者只有作者一人earshot fit的 12 次盲測同樣the listener could not tell which clip was the recording還是同一個(gè)聽者launch scorecard 的 86% 達(dá)標(biāo)率README 注明some rules changed after the first run, so it is not a blind testforge v2 的盲測工具 eval/forge/blind_v2.py 已經(jīng)做好但項(xiàng)目自己寫明no v2 score is published yet。2. 能力天花板寫在 docs/LIMITS.md 里。earshot 的聽覺依賴兩個(gè)開源模型CLAP文本-音頻嵌入和 ASTAudioSet 分類器外加一套客觀測量。這意味著14 kHz 以上完全聽不見CLAP 前端止步于此AST 只有 8 kHz混音中事件的標(biāo)簽對(duì)錯(cuò)各半音樂流派和情緒often wrong一首 upbeat 曲子的 top mood 有 18% 概率被標(biāo)成 darkrealness 檢測對(duì)模態(tài)共振器 房間 底噪的合成聲很容易誤判為真實(shí)錄音——這一點(diǎn)作者在 README 里主動(dòng)承認(rèn)。還有五分之一的片段會(huì)被判為uncertain。3. 三天三個(gè)版本工程成熟度存疑。0.1.0 和 0.2.0 同一天發(fā)布0.2.1 的修復(fù)拖到 0.3.0 才隨版發(fā)布而 0.3.0 的 CHANGELOG 里甚至保留著Fixed (review before release)這樣的小節(jié)標(biāo)題pyproject.toml 里 Development Status 是3 - Alpha。對(duì)生產(chǎn)環(huán)境的接入而言這些是必須被納入考量的信號(hào)。4. 數(shù)據(jù)資產(chǎn)與結(jié)果不可分離。eval/README.md 說得很直白評(píng)測跑在 Freesound / Mixkit 的授權(quán)錄音和 7 部第三方影片上None of it is in this repo, and none of it may be redistributed. Only derived numbers are committed. 你克隆倉庫后能拿到全部腳本和全部結(jié)果 JSON但跑不出他們那個(gè)數(shù)字——除非你的素材與原作者完全一致。這在開源圈是常見做法但也意味著你無法獨(dú)立復(fù)驗(yàn)它的核心結(jié)論。三、但它確實(shí)有真東西源碼級(jí)拆解如果只看到上面這些就否定它那是另一種草率。把倉庫翻完一遍我確認(rèn)這個(gè)項(xiàng)目有實(shí)打?qū)嵉墓こ毯恐档冒阉胚M(jìn)觀察清單而不是收藏夾吃灰。規(guī)模與結(jié)構(gòu)。整個(gè)包約 2.2 萬行 Python510 個(gè)測試函數(shù)分布在 25 個(gè)測試文件里CLI 提供 17 個(gè)命令MCP server 暴露 16 個(gè)工具見 earshot/mcp_server.py 的TOOLS表Python 側(cè)則收斂到一個(gè)統(tǒng)一的earshot.api命名空間。三條使用路徑——CLI、Python API、MCP——共享同一套模型緩存和詞匯數(shù)據(jù)322 條描述詞、16 個(gè)類別見 earshot/data/vocab.json。值得單獨(dú)表揚(yáng)的是 realness 的可解釋性設(shè)計(jì)。在 earshot/realness.py 里p_real 來自一個(gè)plain JSON, no pickle的透明小模型earshot/data/realness_model.json標(biāo)準(zhǔn)化邏輯回歸頭加證據(jù)融合CLAP 頭做最終決定信號(hào)測量無底噪、純譜線能量、死平穩(wěn)音高、數(shù)學(xué)平滑包絡(luò)只作為文字證據(jù)輸出。它甚至在評(píng)估報(bào)告里寫明融合后信號(hào)頭的權(quán)重為 0——因?yàn)樗鼪]有給留出集帶來增量準(zhǔn)確率。這種把模型行為攤開給人看的態(tài)度在 AI 音頻工具里相當(dāng)罕見。0.3.0 的音效銀行是真正的創(chuàng)新點(diǎn)。183 個(gè) forge v2 成品音效以渲染塊 測量指紋的形式存成 JSONearshot/forge/bank/渲染只依賴 numpy/scipy不加載模型、不聯(lián)網(wǎng)183/183 個(gè)重渲染誤差在 1.2e-7 以內(nèi)apex旋鈕把 whoosh 的最響時(shí)刻精確到 2.5ms 以內(nèi)pitch按音名E5、G1落點(diǎn)誤差 0 cents。對(duì)做 AI 生成影片的團(tuán)隊(duì)來說這是把聲音變成可版本管理、可確定性渲染資產(chǎn)的實(shí)用方案earshot sfx render whoosh_fast/crisp -o w.wav --dur 0.8 --apex 0.32 earshot sfx check w.wav # clicks, cut tails, clipping, ring, rising glides earshot kit init --preset calm -o audio/kit.json earshot kit render audio/kit.json --out audio/kitPython 側(cè)同樣一行可用from earshot.forge import bank; y, meta bank.render(pro_sub_drop/ref, pitchG1)。評(píng)測工程也相當(dāng)正規(guī)。forge 的參考集按來源家族拆分成forge 側(cè)搜索可用和bench 側(cè)基準(zhǔn)專用并明確寫了0 leaks防止姐妹錄音穿越數(shù)據(jù)切分固定基準(zhǔn) eval/forge/bench.py 用凍住的音色距離、包絡(luò)、獨(dú)立 CLAP 措辭、AudioSet 名稱和偽影檢測做留出打分eval/forge/scrub_paths.py 在提交前清洗結(jié)果里的機(jī)器路徑。而 docs/LIMITS.md 用一整頁主動(dòng)列出不能判斷的清單審美、情緒、版權(quán)來源、14 kHz 以上、語音內(nèi)容——這種誠實(shí)本身就是一種稀缺信號(hào)。四、建議觀望的三個(gè)觀察點(diǎn)觀察點(diǎn)一外部評(píng)審閉環(huán)是否形成。目前 33 個(gè)提交基本全部來自作者本人兩個(gè) 0.2.1 修復(fù)來自a careful outside review作者致謝 markblundeberg但整體上還沒有形成公開的 issue、PR、第三方盲測的記錄。等第一批被 README 吸引來的人真的動(dòng)手提交代碼、開 issue、做 review——那才是社區(qū)健康的第一個(gè)證據(jù)。觀察點(diǎn)二評(píng)測數(shù)據(jù)資產(chǎn)是否公開化。結(jié)果 JSON 已提交但授權(quán)錄音和第三方影片不進(jìn)倉庫。如果作者后續(xù)能公開衍生數(shù)據(jù)哪怕是特征指紋、固定哈希、或一個(gè)可下載的基準(zhǔn)包或者第三方用完全獨(dú)立的數(shù)據(jù)集復(fù)現(xiàn)出相近結(jié)論這個(gè)項(xiàng)目的可信度會(huì)上一個(gè)臺(tái)階。在那之前數(shù)字可復(fù)現(xiàn)、數(shù)據(jù)不可復(fù)現(xiàn)的現(xiàn)狀要心里有數(shù)。觀察點(diǎn)三場景泛化證據(jù)?，F(xiàn)有評(píng)估只覆蓋了一個(gè) Freesound/Mixkit 選樣庫、7 部作者自選的 launch film、3 套合成引擎。把它丟進(jìn)真實(shí)的游戲音頻、影視后期、播客制作或工業(yè)質(zhì)檢場景命中率會(huì)掉多少等項(xiàng)目作者或社區(qū)在真實(shí)生產(chǎn)域給出第二批數(shù)字再?zèng)Q定是否讓它在你的工作流里占一個(gè)位置。一個(gè)月后再回來看這三件事stars 曲線是否還在爬、contributors 圖是否長出了新面孔、issue 是否被及時(shí)處理。那才是這個(gè)4 天 916 星的項(xiàng)目真實(shí)的體重?，F(xiàn)在嘛——先盯著別急著沖?！久赓M(fèi)下載鏈接】earshotEars for coding agents: let AI hear, review and make sound. CPU-only, open source.項(xiàng)目地址: https://gitcode.com/gh_mirrors/ears/earshot創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 earshot 4 天漲到 916 星，但我勸你先別急著沖
earshot 4 天漲到 916 星但我勸你先別急著沖【免費(fèi)下載鏈接】earshotEars for coding agents: let AI hear, review and make sound. CPU-only, open source.項(xiàng)目地址: https://gitcode.com/gh_mirrors/ears/earshot一個(gè)名為 earshot 的開源項(xiàng)目正在 GitHub 上快速走紅它自稱給編碼智能體裝上耳朵Ears for coding agents讓 AI 不僅能寫出渲染影片、產(chǎn)品演示或游戲的代碼還能聽懂自己做出的聲音——判斷一個(gè)按鍵聲是廉價(jià)還是高級(jí)、察覺某個(gè)音效比剪輯點(diǎn)晚了 80ms、或者指出音樂在錯(cuò)誤的位置漸強(qiáng)。這個(gè)敘事恰好踩中了 2026 年 AI Agent 應(yīng)用落地的最大焦慮之一模型越來越會(huì)做卻越來越不會(huì)驗(yàn)。于是項(xiàng)目在首次公開發(fā)布后 4 天沖到 916 星到我寫稿時(shí)已過 1.1k。但讀完整個(gè)倉庫之后我的結(jié)論是這個(gè)項(xiàng)目值得關(guān)注卻更值得觀望。一、先看清楚916 星是怎么來的先看時(shí)間線。根據(jù)倉庫的 CHANGELOG.mdeashot 的發(fā)布節(jié)奏是版本日期內(nèi)容0.1.02026-10-16首次公開發(fā)布describe / match / find / realness / timeline / forge v1 等 12 個(gè)命令 22 秒 launch film0.2.02026-10-16forge v234 類合成音色earshot fit錄音轉(zhuǎn)代碼0.2.12026-10-17兩個(gè)外部評(píng)審修復(fù)明確標(biāo)注未單獨(dú)發(fā)布0.3.02026-10-19201 音效銀行 sfx / kit 管線也就是說從 10 月 16 日 0.1.0 公開到 10 月 19 日即 916 星這個(gè)數(shù)字出現(xiàn)的時(shí)刻恰好是 4 天。同時(shí) GitHub 頁面上倉庫一共只有33 個(gè)提交、60 個(gè) fork沒有公開的 issue 或 PR 記錄幾乎可以確定是單人、擠壓式的首發(fā)。那么這 916 顆星是被什么驅(qū)動(dòng)的是門面不是驗(yàn)收。倉庫的門面做得確實(shí)出色一個(gè) 22 秒的 launch filmREADME.md 聲稱其中所有聲音都由代碼生成、README 頂部幾段極具沖擊力的終端輸出——describe能把 0.56 秒的瞬態(tài)描述成attack 3 ms、190 ms 衰減、最像單鍵機(jī)械鍵盤z 5.4critique能對(duì)整部影片給出21 of 23 指標(biāo)達(dá)標(biāo)、最優(yōu)先修復(fù)項(xiàng)是 0:01.01 前沒有聲音達(dá)到主體電平。再加上CPU-only、開源、MCP server 開箱即用三個(gè)標(biāo)簽一個(gè)AI 能聽聲的強(qiáng)敘事就成立了。star 天然流向這種敘事——它是情緒不是驗(yàn)收。一個(gè)佐證是在社區(qū)里搜earshot 音頻相關(guān)的報(bào)道跳出來的大多是無關(guān)的語音轉(zhuǎn)文字教程、音頻處理科普甚至還有一家同名的專業(yè)音頻取證機(jī)構(gòu)Earshot最近因?yàn)榕卸ㄒ欢谓孬@通話錄音被篡改而上了新聞。那個(gè)實(shí)體與這個(gè) GitHub 項(xiàng)目毫無關(guān)系但這種名字撞車本身就在為搜索流量添柴?？磾?shù)字前先分清哪些是產(chǎn)品帶來的、哪些是敘事和巧合帶來的。二、為什么我勸你先別急著沖四個(gè)冷靜點(diǎn)1. 證據(jù)鏈高度依賴作者自證。項(xiàng)目最核心的賣點(diǎn)——AI 能聽、能評(píng)、能造聲——的驗(yàn)證幾乎全部由作者本人完成forge v1 的盲測成績是 15 次試驗(yàn)猜中 8 次README 自己承認(rèn)a coin flip且聽者只有作者一人earshot fit的 12 次盲測同樣the listener could not tell which clip was the recording還是同一個(gè)聽者launch scorecard 的 86% 達(dá)標(biāo)率README 注明some rules changed after the first run, so it is not a blind testforge v2 的盲測工具 eval/forge/blind_v2.py 已經(jīng)做好但項(xiàng)目自己寫明no v2 score is published yet。2. 能力天花板寫在 docs/LIMITS.md 里。earshot 的聽覺依賴兩個(gè)開源模型CLAP文本-音頻嵌入和 ASTAudioSet 分類器外加一套客觀測量。這意味著14 kHz 以上完全聽不見CLAP 前端止步于此AST 只有 8 kHz混音中事件的標(biāo)簽對(duì)錯(cuò)各半音樂流派和情緒often wrong一首 upbeat 曲子的 top mood 有 18% 概率被標(biāo)成 darkrealness 檢測對(duì)模態(tài)共振器 房間 底噪的合成聲很容易誤判為真實(shí)錄音——這一點(diǎn)作者在 README 里主動(dòng)承認(rèn)。還有五分之一的片段會(huì)被判為uncertain。3. 三天三個(gè)版本工程成熟度存疑。0.1.0 和 0.2.0 同一天發(fā)布0.2.1 的修復(fù)拖到 0.3.0 才隨版發(fā)布而 0.3.0 的 CHANGELOG 里甚至保留著Fixed (review before release)這樣的小節(jié)標(biāo)題pyproject.toml 里 Development Status 是3 - Alpha。對(duì)生產(chǎn)環(huán)境的接入而言這些是必須被納入考量的信號(hào)。4. 數(shù)據(jù)資產(chǎn)與結(jié)果不可分離。eval/README.md 說得很直白評(píng)測跑在 Freesound / Mixkit 的授權(quán)錄音和 7 部第三方影片上None of it is in this repo, and none of it may be redistributed. Only derived numbers are committed. 你克隆倉庫后能拿到全部腳本和全部結(jié)果 JSON但跑不出他們那個(gè)數(shù)字——除非你的素材與原作者完全一致。這在開源圈是常見做法但也意味著你無法獨(dú)立復(fù)驗(yàn)它的核心結(jié)論。三、但它確實(shí)有真東西源碼級(jí)拆解如果只看到上面這些就否定它那是另一種草率。把倉庫翻完一遍我確認(rèn)這個(gè)項(xiàng)目有實(shí)打?qū)嵉墓こ毯恐档冒阉胚M(jìn)觀察清單而不是收藏夾吃灰。規(guī)模與結(jié)構(gòu)。整個(gè)包約 2.2 萬行 Python510 個(gè)測試函數(shù)分布在 25 個(gè)測試文件里CLI 提供 17 個(gè)命令MCP server 暴露 16 個(gè)工具見 earshot/mcp_server.py 的TOOLS表Python 側(cè)則收斂到一個(gè)統(tǒng)一的earshot.api命名空間。三條使用路徑——CLI、Python API、MCP——共享同一套模型緩存和詞匯數(shù)據(jù)322 條描述詞、16 個(gè)類別見 earshot/data/vocab.json。值得單獨(dú)表揚(yáng)的是 realness 的可解釋性設(shè)計(jì)。在 earshot/realness.py 里p_real 來自一個(gè)plain JSON, no pickle的透明小模型earshot/data/realness_model.json標(biāo)準(zhǔn)化邏輯回歸頭加證據(jù)融合CLAP 頭做最終決定信號(hào)測量無底噪、純譜線能量、死平穩(wěn)音高、數(shù)學(xué)平滑包絡(luò)只作為文字證據(jù)輸出。它甚至在評(píng)估報(bào)告里寫明融合后信號(hào)頭的權(quán)重為 0——因?yàn)樗鼪]有給留出集帶來增量準(zhǔn)確率。這種把模型行為攤開給人看的態(tài)度在 AI 音頻工具里相當(dāng)罕見。0.3.0 的音效銀行是真正的創(chuàng)新點(diǎn)。183 個(gè) forge v2 成品音效以渲染塊 測量指紋的形式存成 JSONearshot/forge/bank/渲染只依賴 numpy/scipy不加載模型、不聯(lián)網(wǎng)183/183 個(gè)重渲染誤差在 1.2e-7 以內(nèi)apex旋鈕把 whoosh 的最響時(shí)刻精確到 2.5ms 以內(nèi)pitch按音名E5、G1落點(diǎn)誤差 0 cents。對(duì)做 AI 生成影片的團(tuán)隊(duì)來說這是把聲音變成可版本管理、可確定性渲染資產(chǎn)的實(shí)用方案earshot sfx render whoosh_fast/crisp -o w.wav --dur 0.8 --apex 0.32 earshot sfx check w.wav # clicks, cut tails, clipping, ring, rising glides earshot kit init --preset calm -o audio/kit.json earshot kit render audio/kit.json --out audio/kitPython 側(cè)同樣一行可用from earshot.forge import bank; y, meta bank.render(pro_sub_drop/ref, pitchG1)。評(píng)測工程也相當(dāng)正規(guī)。forge 的參考集按來源家族拆分成forge 側(cè)搜索可用和bench 側(cè)基準(zhǔn)專用并明確寫了0 leaks防止姐妹錄音穿越數(shù)據(jù)切分固定基準(zhǔn) eval/forge/bench.py 用凍住的音色距離、包絡(luò)、獨(dú)立 CLAP 措辭、AudioSet 名稱和偽影檢測做留出打分eval/forge/scrub_paths.py 在提交前清洗結(jié)果里的機(jī)器路徑。而 docs/LIMITS.md 用一整頁主動(dòng)列出不能判斷的清單審美、情緒、版權(quán)來源、14 kHz 以上、語音內(nèi)容——這種誠實(shí)本身就是一種稀缺信號(hào)。四、建議觀望的三個(gè)觀察點(diǎn)觀察點(diǎn)一外部評(píng)審閉環(huán)是否形成。目前 33 個(gè)提交基本全部來自作者本人兩個(gè) 0.2.1 修復(fù)來自a careful outside review作者致謝 markblundeberg但整體上還沒有形成公開的 issue、PR、第三方盲測的記錄。等第一批被 README 吸引來的人真的動(dòng)手提交代碼、開 issue、做 review——那才是社區(qū)健康的第一個(gè)證據(jù)。觀察點(diǎn)二評(píng)測數(shù)據(jù)資產(chǎn)是否公開化。結(jié)果 JSON 已提交但授權(quán)錄音和第三方影片不進(jìn)倉庫。如果作者后續(xù)能公開衍生數(shù)據(jù)哪怕是特征指紋、固定哈希、或一個(gè)可下載的基準(zhǔn)包或者第三方用完全獨(dú)立的數(shù)據(jù)集復(fù)現(xiàn)出相近結(jié)論這個(gè)項(xiàng)目的可信度會(huì)上一個(gè)臺(tái)階。在那之前數(shù)字可復(fù)現(xiàn)、數(shù)據(jù)不可復(fù)現(xiàn)的現(xiàn)狀要心里有數(shù)。觀察點(diǎn)三場景泛化證據(jù)?，F(xiàn)有評(píng)估只覆蓋了一個(gè) Freesound/Mixkit 選樣庫、7 部作者自選的 launch film、3 套合成引擎。把它丟進(jìn)真實(shí)的游戲音頻、影視后期、播客制作或工業(yè)質(zhì)檢場景命中率會(huì)掉多少等項(xiàng)目作者或社區(qū)在真實(shí)生產(chǎn)域給出第二批數(shù)字再?zèng)Q定是否讓它在你的工作流里占一個(gè)位置。一個(gè)月后再回來看這三件事stars 曲線是否還在爬、contributors 圖是否長出了新面孔、issue 是否被及時(shí)處理。那才是這個(gè)4 天 916 星的項(xiàng)目真實(shí)的體重?，F(xiàn)在嘛——先盯著別急著沖?！久赓M(fèi)下載鏈接】earshotEars for coding agents: let AI hear, review and make sound. CPU-only, open source.項(xiàng)目地址: https://gitcode.com/gh_mirrors/ears/earshot創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考