earshot

给AI装上耳朵，边写代码边审声音

开源 free 音频音乐

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1884

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类音频音乐

开发团队Leonxlnx

所属国家

官网地址

GitHubhttps://github.com/Leonxlnx/earshot

定价模式free

价格说明开源免费，CPU 即可运行

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai-agents,audio,claude-code,mcp,sound-design

GitHub 星标★ 1884

30天Star增速

HF 下载量

上线时间2026-10-15 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-21

浏览次数1

项目介绍

earshot 是一个面向编码智能体（coding agent）的音频能力层，让 AI 不仅能写代码，还能“听”和“做”声音。它解决的是当前 AI 编程助手只能处理文本、无法直接审听或生成音频的缺口：通过 MCP 等接口把音频分析、审听与声音制作能力接入 Claude Code 等智能体工作流。核心能力包括对音频文件进行听感层面的检查与评审（如响度、削波、音质问题），以及按需求生成或调整声音素材，全部在纯 CPU 环境运行，无需 GPU 与云端服务，开源可自部署。项目用 Python 实现，定位轻量、可嵌入现有 agent 工具链，适合把“声音质量把关”自动化进开发与内容生产流程。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度：进阶约 20 分钟部署方式：命令行工具 6 步

环境要求

Python 3.10 或更高版本
系统 PATH 中可用的 ffmpeg 与 ffprobe
纯 CPU 环境即可，无需 GPU
首次使用需联网下载约 1.1 GB 的两个开源模型
建议预留数 GB 磁盘空间用于虚拟环境、torch 与模型缓存

安装与启动步骤

1克隆仓库

把 earshot 源码拉到本地并进入项目根目录，后续命令都在该目录执行。
```
git clone https://github.com/Leonxlnx/earshot && cd earshot
```
2创建虚拟环境

在项目内建 .venv，隔离 earshot 与系统 Python 依赖，避免污染全局环境。
```
python -m venv .venv
```
3安装 CPU 版 torch

按 README 用 PyTorch 官方 CPU 源安装 torch，避免拉取体积巨大的 CUDA 版本。Windows 下把解释器路径改为 .venv/Scripts/python。
```
.venv/bin/python -m pip install torch --index-url https://download.pytorch.org/whl/cpu
```
4安装 earshot

以可编辑模式安装 earshot，并带上 mcp、llm、dev 三个可选依赖组，得到 CLI、Python API 与 MCP 服务。
```
.venv/bin/python -m pip install -e ".[mcp,llm,dev]"
```
5预下载模型

可选但推荐：提前把 CLAP 与 AudioSet 标注模型拉到本地缓存，避免首次分析时长时间等待。
```
.venv/bin/python -m earshot doctor --fetch
```
6自检环境

运行 doctor 并加载模型，检查 ffmpeg、缓存、模型 revision、权重格式与推理精度是否正常。
```
.venv/bin/python -m earshot doctor --load
```

关键配置

配置项	必填	说明	示例
`EARSHOT_THREADS`	否	torch 使用的 CPU 线程数，默认 min(4, 核数/2)	`4`
`EARSHOT_HOME`	否	模型与运行缓存的根目录，默认是仓库内 .cache/hf	`/your/path`
`EARSHOT_PRECISION`	否	推理精度，默认 bf16（仅原生支持 bf16 的 CPU 生效），可强制 fp32	`fp32`
`EARSHOT_OFFLINE`	否	置 1 表示完全离线，不再下载任何模型，缓存缺失即报错	`1`
`EARSHOT_CLAP`	否	替换文本-音频嵌入模型，可填 Hub 模型 id 或本地模型目录	`laion/larger_clap_general`
`EARSHOT_AST`	否	替换 AudioSet 标注模型，可填 Hub 模型 id 或本地模型目录	`MIT/ast-finetuned-audioset-10-10-0.4593`

如何确认成功

执行 .venv/bin/python -m earshot doctor --load 无报错，并打印模型 revision、权重格式与精度即成功。

常见问题

Q：第一次运行很慢或卡在下载？

A：首次使用会下载约 1.1 GB 的两个模型到缓存目录。可先跑 earshot doctor --fetch 预下载，之后只从本地缓存加载，不再访问 Hub。

Q：完全没有网络能做音频分析吗？

A：可以，但必须事先把模型拉进缓存。设置 EARSHOT_OFFLINE=1、HF_HUB_OFFLINE=1 或 TRANSFORMERS_OFFLINE=1 后 earshot 不再下载，缓存缺失会直接报错。

Q：需要 GPU 或显卡驱动吗？

A：不需要。README 明确说明整个项目在 CPU 上运行，安装的也是 CPU 版 torch，因此无需 CUDA。

Q：Windows 上命令报路径错误？

A：README 提示 Windows 需把 .venv/bin/python 换成 .venv/Scripts/python，其余参数保持不变。

Q：缓存损坏或想换模型怎么办？

A：缓存损坏会报错并指出所在目录，删除后重跑 doctor --fetch 即可；换模型用 EARSHOT_CLAP / EARSHOT_AST 及对应 REVISION 变量。

注意事项

模型缓存在仓库内 .cache/hf 或 EARSHOT_HOME 指定目录，删除仓库前注意备份或迁移
自定义 Hub 模型只下载顶层 config、tokenizer 与 safetensors 文件，不支持仓库子目录与权重变体
earshot 不会自行设置或清除离线环境变量，需你自己在 shell 中导出
若使用旧版本遗留缓存，doctor 会提示，可用 --fetch 更新为固定 revision 的 safetensors 权重

核心亮点

纯 CPU 运行，无需 GPU 和云服务，部署成本低
以 MCP 方式接入 Claude Code 等编码智能体，能直接进入现有 agent 工作流
同时覆盖音频审听与声音制作，不只是分析工具

不足之处

项目较新、星标规模有限，长期维护与生态待观察
纯 CPU 方案在复杂音频生成任务上的能力上限待验证

适用场景

游戏或应用开发中让 AI 自动检查音效响度与削波问题
内容团队用编码智能体批量审听播客/视频音频并给出修改建议
为交互式 AI 应用快速生成提示音、环境音等简单声音素材

替代项目

whisper、librosa

上一篇：stable-audio-tools

下一篇：没有了！