earshot 4 天涨到 916 星但我劝你先别急着冲【免费下载链接】earshotEars for coding agents: let AI hear, review and make sound. CPU-only, open source.项目地址: https://gitcode.com/gh_mirrors/ears/earshot一个名为 earshot 的开源项目正在 GitHub 上快速走红它自称给编码智能体装上耳朵Ears for coding agents让 AI 不仅能写出渲染影片、产品演示或游戏的代码还能听懂自己做出的声音——判断一个按键声是廉价还是高级、察觉某个音效比剪辑点晚了 80ms、或者指出音乐在错误的位置渐强。这个叙事恰好踩中了 2026 年 AI Agent 应用落地的最大焦虑之一模型越来越会做却越来越不会验。于是项目在首次公开发布后 4 天冲到 916 星到我写稿时已过 1.1k。但读完整个仓库之后我的结论是这个项目值得关注却更值得观望。一、先看清楚916 星是怎么来的先看时间线。根据仓库的 CHANGELOG.mdeashot 的发布节奏是版本日期内容0.1.02026-10-16首次公开发布describe / match / find / realness / timeline / forge v1 等 12 个命令 22 秒 launch film0.2.02026-10-16forge v234 类合成音色earshot fit录音转代码0.2.12026-10-17两个外部评审修复明确标注未单独发布0.3.02026-10-19201 音效银行 sfx / kit 管线也就是说从 10 月 16 日 0.1.0 公开到 10 月 19 日即 916 星这个数字出现的时刻恰好是 4 天。同时 GitHub 页面上仓库一共只有33 个提交、60 个 fork没有公开的 issue 或 PR 记录几乎可以确定是单人、挤压式的首发。那么这 916 颗星是被什么驱动的是门面不是验收。仓库的门面做得确实出色一个 22 秒的 launch filmREADME.md 声称其中所有声音都由代码生成、README 顶部几段极具冲击力的终端输出——describe能把 0.56 秒的瞬态描述成attack 3 ms、190 ms 衰减、最像单键机械键盘z 5.4critique能对整部影片给出21 of 23 指标达标、最优先修复项是 0:01.01 前没有声音达到主体电平。再加上CPU-only、开源、MCP server 开箱即用三个标签一个AI 能听声的强叙事就成立了。star 天然流向这种叙事——它是情绪不是验收。一个佐证是在社区里搜earshot 音频相关的报道跳出来的大多是无关的语音转文字教程、音频处理科普甚至还有一家同名的专业音频取证机构Earshot最近因为判定一段截获通话录音被篡改而上了新闻。那个实体与这个 GitHub 项目毫无关系但这种名字撞车本身就在为搜索流量添柴。看数字前先分清哪些是产品带来的、哪些是叙事和巧合带来的。二、为什么我劝你先别急着冲四个冷静点1. 证据链高度依赖作者自证。项目最核心的卖点——AI 能听、能评、能造声——的验证几乎全部由作者本人完成forge v1 的盲测成绩是 15 次试验猜中 8 次README 自己承认a coin flip且听者只有作者一人earshot fit的 12 次盲测同样the listener could not tell which clip was the recording还是同一个听者launch scorecard 的 86% 达标率README 注明some rules changed after the first run, so it is not a blind testforge v2 的盲测工具 eval/forge/blind_v2.py 已经做好但项目自己写明no v2 score is published yet。2. 能力天花板写在 docs/LIMITS.md 里。earshot 的听觉依赖两个开源模型CLAP文本-音频嵌入和 ASTAudioSet 分类器外加一套客观测量。这意味着14 kHz 以上完全听不见CLAP 前端止步于此AST 只有 8 kHz混音中事件的标签对错各半音乐流派和情绪often wrong一首 upbeat 曲子的 top mood 有 18% 概率被标成 darkrealness 检测对模态共振器 房间 底噪的合成声很容易误判为真实录音——这一点作者在 README 里主动承认。还有五分之一的片段会被判为uncertain。3. 三天三个版本工程成熟度存疑。0.1.0 和 0.2.0 同一天发布0.2.1 的修复拖到 0.3.0 才随版发布而 0.3.0 的 CHANGELOG 里甚至保留着Fixed (review before release)这样的小节标题pyproject.toml 里 Development Status 是3 - Alpha。对生产环境的接入而言这些是必须被纳入考量的信号。4. 数据资产与结果不可分离。eval/README.md 说得很直白评测跑在 Freesound / Mixkit 的授权录音和 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. 你克隆仓库后能拿到全部脚本和全部结果 JSON但跑不出他们那个数字——除非你的素材与原作者完全一致。这在开源圈是常见做法但也意味着你无法独立复验它的核心结论。三、但它确实有真东西源码级拆解如果只看到上面这些就否定它那是另一种草率。把仓库翻完一遍我确认这个项目有实打实的工程含量值得把它放进观察清单而不是收藏夹吃灰。规模与结构。整个包约 2.2 万行 Python510 个测试函数分布在 25 个测试文件里CLI 提供 17 个命令MCP server 暴露 16 个工具见 earshot/mcp_server.py 的TOOLS表Python 侧则收敛到一个统一的earshot.api命名空间。三条使用路径——CLI、Python API、MCP——共享同一套模型缓存和词汇数据322 条描述词、16 个类别见 earshot/data/vocab.json。值得单独表扬的是 realness 的可解释性设计。在 earshot/realness.py 里p_real 来自一个plain JSON, no pickle的透明小模型earshot/data/realness_model.json标准化逻辑回归头加证据融合CLAP 头做最终决定信号测量无底噪、纯谱线能量、死平稳音高、数学平滑包络只作为文字证据输出。它甚至在评估报告里写明融合后信号头的权重为 0——因为它没有给留出集带来增量准确率。这种把模型行为摊开给人看的态度在 AI 音频工具里相当罕见。0.3.0 的音效银行是真正的创新点。183 个 forge v2 成品音效以渲染块 测量指纹的形式存成 JSONearshot/forge/bank/渲染只依赖 numpy/scipy不加载模型、不联网183/183 个重渲染误差在 1.2e-7 以内apex旋钮把 whoosh 的最响时刻精确到 2.5ms 以内pitch按音名E5、G1落点误差 0 cents。对做 AI 生成影片的团队来说这是把声音变成可版本管理、可确定性渲染资产的实用方案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 侧同样一行可用from earshot.forge import bank; y, meta bank.render(pro_sub_drop/ref, pitchG1)。评测工程也相当正规。forge 的参考集按来源家族拆分成forge 侧搜索可用和bench 侧基准专用并明确写了0 leaks防止姐妹录音穿越数据切分固定基准 eval/forge/bench.py 用冻住的音色距离、包络、独立 CLAP 措辞、AudioSet 名称和伪影检测做留出打分eval/forge/scrub_paths.py 在提交前清洗结果里的机器路径。而 docs/LIMITS.md 用一整页主动列出不能判断的清单审美、情绪、版权来源、14 kHz 以上、语音内容——这种诚实本身就是一种稀缺信号。四、建议观望的三个观察点观察点一外部评审闭环是否形成。目前 33 个提交基本全部来自作者本人两个 0.2.1 修复来自a careful outside review作者致谢 markblundeberg但整体上还没有形成公开的 issue、PR、第三方盲测的记录。等第一批被 README 吸引来的人真的动手提交代码、开 issue、做 review——那才是社区健康的第一个证据。观察点二评测数据资产是否公开化。结果 JSON 已提交但授权录音和第三方影片不进仓库。如果作者后续能公开衍生数据哪怕是特征指纹、固定哈希、或一个可下载的基准包或者第三方用完全独立的数据集复现出相近结论这个项目的可信度会上一个台阶。在那之前数字可复现、数据不可复现的现状要心里有数。观察点三场景泛化证据。现有评估只覆盖了一个 Freesound/Mixkit 选样库、7 部作者自选的 launch film、3 套合成引擎。把它丢进真实的游戏音频、影视后期、播客制作或工业质检场景命中率会掉多少等项目作者或社区在真实生产域给出第二批数字再决定是否让它在你的工作流里占一个位置。一个月后再回来看这三件事stars 曲线是否还在爬、contributors 图是否长出了新面孔、issue 是否被及时处理。那才是这个4 天 916 星的项目真实的体重。现在嘛——先盯着别急着冲。【免费下载链接】earshotEars for coding agents: let AI hear, review and make sound. CPU-only, open source.项目地址: https://gitcode.com/gh_mirrors/ears/earshot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/20 5:15:19 · 阅读 1.2k earshot 4 天涨到 916 星，但我劝你先别急着冲
earshot 4 天涨到 916 星但我劝你先别急着冲【免费下载链接】earshotEars for coding agents: let AI hear, review and make sound. CPU-only, open source.项目地址: https://gitcode.com/gh_mirrors/ears/earshot一个名为 earshot 的开源项目正在 GitHub 上快速走红它自称给编码智能体装上耳朵Ears for coding agents让 AI 不仅能写出渲染影片、产品演示或游戏的代码还能听懂自己做出的声音——判断一个按键声是廉价还是高级、察觉某个音效比剪辑点晚了 80ms、或者指出音乐在错误的位置渐强。这个叙事恰好踩中了 2026 年 AI Agent 应用落地的最大焦虑之一模型越来越会做却越来越不会验。于是项目在首次公开发布后 4 天冲到 916 星到我写稿时已过 1.1k。但读完整个仓库之后我的结论是这个项目值得关注却更值得观望。一、先看清楚916 星是怎么来的先看时间线。根据仓库的 CHANGELOG.mdeashot 的发布节奏是版本日期内容0.1.02026-10-16首次公开发布describe / match / find / realness / timeline / forge v1 等 12 个命令 22 秒 launch film0.2.02026-10-16forge v234 类合成音色earshot fit录音转代码0.2.12026-10-17两个外部评审修复明确标注未单独发布0.3.02026-10-19201 音效银行 sfx / kit 管线也就是说从 10 月 16 日 0.1.0 公开到 10 月 19 日即 916 星这个数字出现的时刻恰好是 4 天。同时 GitHub 页面上仓库一共只有33 个提交、60 个 fork没有公开的 issue 或 PR 记录几乎可以确定是单人、挤压式的首发。那么这 916 颗星是被什么驱动的是门面不是验收。仓库的门面做得确实出色一个 22 秒的 launch filmREADME.md 声称其中所有声音都由代码生成、README 顶部几段极具冲击力的终端输出——describe能把 0.56 秒的瞬态描述成attack 3 ms、190 ms 衰减、最像单键机械键盘z 5.4critique能对整部影片给出21 of 23 指标达标、最优先修复项是 0:01.01 前没有声音达到主体电平。再加上CPU-only、开源、MCP server 开箱即用三个标签一个AI 能听声的强叙事就成立了。star 天然流向这种叙事——它是情绪不是验收。一个佐证是在社区里搜earshot 音频相关的报道跳出来的大多是无关的语音转文字教程、音频处理科普甚至还有一家同名的专业音频取证机构Earshot最近因为判定一段截获通话录音被篡改而上了新闻。那个实体与这个 GitHub 项目毫无关系但这种名字撞车本身就在为搜索流量添柴。看数字前先分清哪些是产品带来的、哪些是叙事和巧合带来的。二、为什么我劝你先别急着冲四个冷静点1. 证据链高度依赖作者自证。项目最核心的卖点——AI 能听、能评、能造声——的验证几乎全部由作者本人完成forge v1 的盲测成绩是 15 次试验猜中 8 次README 自己承认a coin flip且听者只有作者一人earshot fit的 12 次盲测同样the listener could not tell which clip was the recording还是同一个听者launch scorecard 的 86% 达标率README 注明some rules changed after the first run, so it is not a blind testforge v2 的盲测工具 eval/forge/blind_v2.py 已经做好但项目自己写明no v2 score is published yet。2. 能力天花板写在 docs/LIMITS.md 里。earshot 的听觉依赖两个开源模型CLAP文本-音频嵌入和 ASTAudioSet 分类器外加一套客观测量。这意味着14 kHz 以上完全听不见CLAP 前端止步于此AST 只有 8 kHz混音中事件的标签对错各半音乐流派和情绪often wrong一首 upbeat 曲子的 top mood 有 18% 概率被标成 darkrealness 检测对模态共振器 房间 底噪的合成声很容易误判为真实录音——这一点作者在 README 里主动承认。还有五分之一的片段会被判为uncertain。3. 三天三个版本工程成熟度存疑。0.1.0 和 0.2.0 同一天发布0.2.1 的修复拖到 0.3.0 才随版发布而 0.3.0 的 CHANGELOG 里甚至保留着Fixed (review before release)这样的小节标题pyproject.toml 里 Development Status 是3 - Alpha。对生产环境的接入而言这些是必须被纳入考量的信号。4. 数据资产与结果不可分离。eval/README.md 说得很直白评测跑在 Freesound / Mixkit 的授权录音和 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. 你克隆仓库后能拿到全部脚本和全部结果 JSON但跑不出他们那个数字——除非你的素材与原作者完全一致。这在开源圈是常见做法但也意味着你无法独立复验它的核心结论。三、但它确实有真东西源码级拆解如果只看到上面这些就否定它那是另一种草率。把仓库翻完一遍我确认这个项目有实打实的工程含量值得把它放进观察清单而不是收藏夹吃灰。规模与结构。整个包约 2.2 万行 Python510 个测试函数分布在 25 个测试文件里CLI 提供 17 个命令MCP server 暴露 16 个工具见 earshot/mcp_server.py 的TOOLS表Python 侧则收敛到一个统一的earshot.api命名空间。三条使用路径——CLI、Python API、MCP——共享同一套模型缓存和词汇数据322 条描述词、16 个类别见 earshot/data/vocab.json。值得单独表扬的是 realness 的可解释性设计。在 earshot/realness.py 里p_real 来自一个plain JSON, no pickle的透明小模型earshot/data/realness_model.json标准化逻辑回归头加证据融合CLAP 头做最终决定信号测量无底噪、纯谱线能量、死平稳音高、数学平滑包络只作为文字证据输出。它甚至在评估报告里写明融合后信号头的权重为 0——因为它没有给留出集带来增量准确率。这种把模型行为摊开给人看的态度在 AI 音频工具里相当罕见。0.3.0 的音效银行是真正的创新点。183 个 forge v2 成品音效以渲染块 测量指纹的形式存成 JSONearshot/forge/bank/渲染只依赖 numpy/scipy不加载模型、不联网183/183 个重渲染误差在 1.2e-7 以内apex旋钮把 whoosh 的最响时刻精确到 2.5ms 以内pitch按音名E5、G1落点误差 0 cents。对做 AI 生成影片的团队来说这是把声音变成可版本管理、可确定性渲染资产的实用方案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 侧同样一行可用from earshot.forge import bank; y, meta bank.render(pro_sub_drop/ref, pitchG1)。评测工程也相当正规。forge 的参考集按来源家族拆分成forge 侧搜索可用和bench 侧基准专用并明确写了0 leaks防止姐妹录音穿越数据切分固定基准 eval/forge/bench.py 用冻住的音色距离、包络、独立 CLAP 措辞、AudioSet 名称和伪影检测做留出打分eval/forge/scrub_paths.py 在提交前清洗结果里的机器路径。而 docs/LIMITS.md 用一整页主动列出不能判断的清单审美、情绪、版权来源、14 kHz 以上、语音内容——这种诚实本身就是一种稀缺信号。四、建议观望的三个观察点观察点一外部评审闭环是否形成。目前 33 个提交基本全部来自作者本人两个 0.2.1 修复来自a careful outside review作者致谢 markblundeberg但整体上还没有形成公开的 issue、PR、第三方盲测的记录。等第一批被 README 吸引来的人真的动手提交代码、开 issue、做 review——那才是社区健康的第一个证据。观察点二评测数据资产是否公开化。结果 JSON 已提交但授权录音和第三方影片不进仓库。如果作者后续能公开衍生数据哪怕是特征指纹、固定哈希、或一个可下载的基准包或者第三方用完全独立的数据集复现出相近结论这个项目的可信度会上一个台阶。在那之前数字可复现、数据不可复现的现状要心里有数。观察点三场景泛化证据。现有评估只覆盖了一个 Freesound/Mixkit 选样库、7 部作者自选的 launch film、3 套合成引擎。把它丢进真实的游戏音频、影视后期、播客制作或工业质检场景命中率会掉多少等项目作者或社区在真实生产域给出第二批数字再决定是否让它在你的工作流里占一个位置。一个月后再回来看这三件事stars 曲线是否还在爬、contributors 图是否长出了新面孔、issue 是否被及时处理。那才是这个4 天 916 星的项目真实的体重。现在嘛——先盯着别急着冲。【免费下载链接】earshotEars for coding agents: let AI hear, review and make sound. CPU-only, open source.项目地址: https://gitcode.com/gh_mirrors/ears/earshot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考