earshot：给编码 agent 装上『耳朵』
开源库 earshot 让编码 agent『听得见』：在本机用 CPU 处理音频，输出文字说明、声学特征、相似度以及出现的时间点，可检查点击声与按钮画面是否对齐，也能用代码合成并迭代音效。需要 Python 3.10+ 和 FFmpeg，首次下载约 1.1GB 模型。
LinearUncle@LinearUncle原帖
为什么值得留
agent 做动画和视频时，声音这一环可以有自动质检。
可以从这里开始
先给一段 30 秒的产品演示视频跑一遍检查，看它给出的修改时间点是否合理。
阅读时留意
效果取决于模型和参考音效；纯 CPU 的速度、授权音效的使用范围需自己确认；不替代专业音频软件。
OnBalls 导读整理于 2026.10.22。只读存档的帖文、作者引用与同事件其他帖子的文字；仓库未打开。