让编码代理“听”声音的本地工具：把音频变成代理能推理的证据（文字描述、匹配度、时间点、整片听写），并能用代码合成音效、靠听来迭代。
星数 3050（+108 / 24h）
理由
- describe / match / find / timeline 等命令给出声音像什么、和一句描述有多吻合、长录音里最合适的片段，以及整部影片逐秒的“听写稿”和音画同步情况
- critique 按作者整理的 7 部专业发布片做参照，给代码生成的宣传片出音效评分和带时间戳的修改建议
- forge 用物理合成配方在代码里造音效，并由内置评审打分后进化搜索；0.4 版作者称音效库已有 252 个、新增 launch 预设，按配乐和剪辑点摆放每个音效
- 提供 CLI、Python API 和 MCP 服务器；作者在 docs/VALIDATION.md 里写了每个数字怎么测的，也单独写了 LIMITS.md 说明哪些判断不可信
用法
- 需要 Python 3.10+ 和 ffmpeg；git clone 后建 venv，先装 CPU 版 torch，再 pip install -e ".[mcp,llm,dev]"，用 python -m earshot doctor --load 自检
- 接入 Claude Code：claude mcp add earshot --scope user -- <venv>/bin/python -m earshot mcp（MCP 方式模型常驻，避免每次命令重新加载）
- 仓库 skills/ 下附两个技能（earshot、real-sound），复制到 ~/.claude/skills/ 即可让代理按流程使用
风险
- 首次使用会下载两个开放模型（作者称约 1.1 GB）；每次 CLI 调用都要重新加载模型，作者称需 20–40 秒
- 作者承认合成音效是在优化自己的模型评分，模型检查可能被“讨好”；真实感模型容易被骗，听不了 14 kHz 以上和语音内容
- 参考录音有版权、不在仓库里，forge 的 --refset 需自备参考素材；代码 MIT，两个模型各有自己的许可证