earshot 4 天漲到 916 星但我勸你先別急著沖【免費下載鏈接】earshotEars for coding agents: let AI hear, review and make sound. CPU-only, open source.項目地址: https://gitcode.com/gh_mirrors/ears/earshot一個名為 earshot 的開源項目正在 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——判斷一個按鍵聲是廉價還是高級、察覺某個音效比剪輯點晚了 80ms、或者指出音樂在錯誤的位置漸強。這個敘事恰好踩中了 2026 年 AI Agent 應(yīng)用落地的最大焦慮之一模型越來越會做卻越來越不會驗。于是項目在首次公開發(fā)布后 4 天沖到 916 星到我寫稿時已過 1.1k。但讀完整個倉庫之后我的結(jié)論是這個項目值得關(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0.2.12026-10-17兩個外部評審修復(fù)明確標(biāo)注未單獨發(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 星這個數(shù)字出現(xiàn)的時刻恰好是 4 天。同時 GitHub 頁面上倉庫一共只有33 個提交、60 個 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)動的是門面不是驗收。倉庫的門面做得確實出色一個 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、最像單鍵機械鍵盤z 5.4critique能對整部影片給出21 of 23 指標(biāo)達標(biāo)、最優(yōu)先修復(fù)項是 0:01.01 前沒有聲音達到主體電平。再加上CPU-only、開源、MCP server 開箱即用三個標(biāo)簽一個AI 能聽聲的強敘事就成立了。star 天然流向這種敘事——它是情緒不是驗收。一個佐證是在社區(qū)里搜earshot 音頻相關(guān)的報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)音頻取證機構(gòu)Earshot最近因為判定一段截獲通話錄音被篡改而上了新聞。那個實體與這個 GitHub 項目毫無關(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冷靜點1. 證據(jù)鏈高度依賴作者自證。項目最核心的賣點——AI 能聽、能評、能造聲——的驗證幾乎全部由作者本人完成forge v1 的盲測成績是 15 次試驗猜中 8 次README 自己承認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還是同一個聽者launch scorecard 的 86% 達標(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)簽對錯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 檢測對模態(tài)共振器 房間 底噪的合成聲很容易誤判為真實錄音——這一點作者在 README 里主動承認。還有五分之一的片段會被判為uncertain。3. 三天三個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。對生產(chǎn)環(huán)境的接入而言這些是必須被納入考量的信號。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立復(fù)驗它的核心結(jié)論。三、但它確實有真東西源碼級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這個項目有實打?qū)嵉墓こ毯恐档冒阉胚M觀察清單而不是收藏夾吃灰。規(guī)模與結(jié)構(gòu)。整個包約 2.2 萬行 Python510 個測試函數(shù)分布在 25 個測試文件里CLI 提供 17 個命令MCP server 暴露 16 個工具見 earshot/mcp_server.py 的TOOLS表Python 側(cè)則收斂到一個統(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 個類別見 earshot/data/vocab.json。值得單獨表揚的是 realness 的可解釋性設(shè)計。在 earshot/realness.py 里p_real 來自一個plain JSON, no pickle的透明小模型earshot/data/realness_model.json標(biāo)準化邏輯回歸頭加證據(jù)融合CLAP 頭做最終決定信號測量無底噪、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。它甚至在評估報告里寫明融合后信號頭的權(quán)重為 0——因為它沒有給留出集帶來增量準確率。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。183 個 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 個重渲染誤差在 1.2e-7 以內(nèi)apex旋鈕把 whoosh 的最響時刻精確到 2.5ms 以內(nèi)pitch按音名E5、G1落點誤差 0 cents。對做 AI 生成影片的團隊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 eval/forge/bench.py 用凍住的音色距離、包絡(luò)、獨立 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)果里的機器路徑。而 docs/LIMITS.md 用一整頁主動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——這種誠實本身就是一種稀缺信號。四、建議觀望的三個觀察點觀察點一外部評審閉環(huán)是否形成。目前 33 個提交基本全部來自作者本人兩個 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 吸引來的人真的動手提交代碼、開 issue、做 review——那才是社區(qū)健康的第一個證據(jù)。觀察點二評測數(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、或一個可下載的基準包或者第三方用完全獨立的數(shù)據(jù)集復(fù)現(xiàn)出相近結(jié)論這個項目的可信度會上一個臺階。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)。觀察點三場景泛化證據(jù)。現(xiàn)有評估只覆蓋了一個 Freesound/Mixkit 選樣庫、7 部作者自選的 launch film、3 套合成引擎。把它丟進真實的游戲音頻、影視后期、播客制作或工業(yè)質(zhì)檢場景命中率會掉多少等項目作者或社區(qū)在真實生產(chǎn)域給出第二批數(shù)字再決定是否讓它在你的工作流里占一個位置。一個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 是否被及時處理。那才是這個4 天 916 星的項目真實的體重?，F(xiàn)在嘛——先盯著別急著沖?！久赓M下載鏈接】earshotEars for coding agents: let AI hear, review and make sound. CPU-only, open source.項目地址: 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【免費下載鏈接】earshotEars for coding agents: let AI hear, review and make sound. CPU-only, open source.項目地址: https://gitcode.com/gh_mirrors/ears/earshot一個名為 earshot 的開源項目正在 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——判斷一個按鍵聲是廉價還是高級、察覺某個音效比剪輯點晚了 80ms、或者指出音樂在錯誤的位置漸強。這個敘事恰好踩中了 2026 年 AI Agent 應(yīng)用落地的最大焦慮之一模型越來越會做卻越來越不會驗。于是項目在首次公開發(fā)布后 4 天沖到 916 星到我寫稿時已過 1.1k。但讀完整個倉庫之后我的結(jié)論是這個項目值得關(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0.2.12026-10-17兩個外部評審修復(fù)明確標(biāo)注未單獨發(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 星這個數(shù)字出現(xiàn)的時刻恰好是 4 天。同時 GitHub 頁面上倉庫一共只有33 個提交、60 個 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)動的是門面不是驗收。倉庫的門面做得確實出色一個 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、最像單鍵機械鍵盤z 5.4critique能對整部影片給出21 of 23 指標(biāo)達標(biāo)、最優(yōu)先修復(fù)項是 0:01.01 前沒有聲音達到主體電平。再加上CPU-only、開源、MCP server 開箱即用三個標(biāo)簽一個AI 能聽聲的強敘事就成立了。star 天然流向這種敘事——它是情緒不是驗收。一個佐證是在社區(qū)里搜earshot 音頻相關(guān)的報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)音頻取證機構(gòu)Earshot最近因為判定一段截獲通話錄音被篡改而上了新聞。那個實體與這個 GitHub 項目毫無關(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冷靜點1. 證據(jù)鏈高度依賴作者自證。項目最核心的賣點——AI 能聽、能評、能造聲——的驗證幾乎全部由作者本人完成forge v1 的盲測成績是 15 次試驗猜中 8 次README 自己承認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還是同一個聽者launch scorecard 的 86% 達標(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)簽對錯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 檢測對模態(tài)共振器 房間 底噪的合成聲很容易誤判為真實錄音——這一點作者在 README 里主動承認。還有五分之一的片段會被判為uncertain。3. 三天三個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。對生產(chǎn)環(huán)境的接入而言這些是必須被納入考量的信號。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立復(fù)驗它的核心結(jié)論。三、但它確實有真東西源碼級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這個項目有實打?qū)嵉墓こ毯恐档冒阉胚M觀察清單而不是收藏夾吃灰。規(guī)模與結(jié)構(gòu)。整個包約 2.2 萬行 Python510 個測試函數(shù)分布在 25 個測試文件里CLI 提供 17 個命令MCP server 暴露 16 個工具見 earshot/mcp_server.py 的TOOLS表Python 側(cè)則收斂到一個統(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 個類別見 earshot/data/vocab.json。值得單獨表揚的是 realness 的可解釋性設(shè)計。在 earshot/realness.py 里p_real 來自一個plain JSON, no pickle的透明小模型earshot/data/realness_model.json標(biāo)準化邏輯回歸頭加證據(jù)融合CLAP 頭做最終決定信號測量無底噪、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。它甚至在評估報告里寫明融合后信號頭的權(quán)重為 0——因為它沒有給留出集帶來增量準確率。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。183 個 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 個重渲染誤差在 1.2e-7 以內(nèi)apex旋鈕把 whoosh 的最響時刻精確到 2.5ms 以內(nèi)pitch按音名E5、G1落點誤差 0 cents。對做 AI 生成影片的團隊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 eval/forge/bench.py 用凍住的音色距離、包絡(luò)、獨立 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)果里的機器路徑。而 docs/LIMITS.md 用一整頁主動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——這種誠實本身就是一種稀缺信號。四、建議觀望的三個觀察點觀察點一外部評審閉環(huán)是否形成。目前 33 個提交基本全部來自作者本人兩個 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 吸引來的人真的動手提交代碼、開 issue、做 review——那才是社區(qū)健康的第一個證據(jù)。觀察點二評測數(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、或一個可下載的基準包或者第三方用完全獨立的數(shù)據(jù)集復(fù)現(xiàn)出相近結(jié)論這個項目的可信度會上一個臺階。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)。觀察點三場景泛化證據(jù)。現(xiàn)有評估只覆蓋了一個 Freesound/Mixkit 選樣庫、7 部作者自選的 launch film、3 套合成引擎。把它丟進真實的游戲音頻、影視后期、播客制作或工業(yè)質(zhì)檢場景命中率會掉多少等項目作者或社區(qū)在真實生產(chǎn)域給出第二批數(shù)字再決定是否讓它在你的工作流里占一個位置。一個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 是否被及時處理。那才是這個4 天 916 星的項目真實的體重?，F(xiàn)在嘛——先盯著別急著沖?！久赓M下載鏈接】earshotEars for coding agents: let AI hear, review and make sound. CPU-only, open source.項目地址: 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