earshot
程式碼代理的耳朵:讓AI聆聽、審查並發出聲音。僅限CPU,開放原始碼。
earshot 是什麼?
程式碼代理的耳朵:讓AI聆聽、審查並發出聲音。僅限CPU,開放原始碼。
earshot 概覽
這是什麼
Earshot 是一個僅需 CPU、開源的工具,讓 AI 編碼代理能夠聽見、審查並製作聲音。它以 CLI、Python API 和 MCP 伺服器形式在本機執行。它將聲音轉化為代理可以推理的證據:檔案聽起來像什麼、它與描述相符的程度、長錄音中的最佳時刻、它是真實錄音還是程式合成、整部電影的逐秒聽覺轉錄、附註解的圖片,以及針對專業發行影片的評分卡。
主要功能
- 提供描述、匹配、排序、尋找、比較、測量、評論和生成聲音的命令。
- 包含 252 個以程式碼儲存的音效庫,可依 ID 渲染,無需模型或網路。
- Forge 命令讓代理將聲音寫成物理合成的配方,並透過聆聽來改進。
- Fit 命令將錄音轉換為可變化的 forge 配方。
- Sheet 命令產生附註解的 PNG,包含影片幀、標記事件、頻譜圖、波形、響度和同步標記。
- 完全在 CPU 上執行,無需 GPU。
使用情境
需要為電影、產品展示或遊戲評估或生成聲音的 AI 編碼代理。希望透過聆聽來迭代合成聲音的音效設計師。針對參考設定檔進行音訊自動品質檢查。
快速開始
請參閱儲存庫的 README 以取得安裝說明。
授權與價格
MIT 授權,開源。
內容整理自該專案公開的 README 與儲存庫資訊。