1实现原理 · 为什么它能做到

基于本地 CPU 运行的音频声学与嵌入模型（CLAP + AST），测量并量化声音特征而非凭空推测

skills/earshot/SKILL.md

earshot runs locally on CPU (audio never leaves the machine, except with the optional `llm` command) and caches every embedding and result on disk.

本地离线执行，音频特征与嵌入向量就地缓存

提供完整的音频资产筛选决策闭环：候选排序、干净点位裁剪、语义声学描述与合成/实录真伪判别

skills/earshot/SKILL.md

1. `earshot rank "a soft felt mallet hit on a wooden block" downloads/sfx/ --top 5` - shortlist from a folder. 2. `earshot find winner.ogg "a single clean mallet hit" --top 3` - the best moments as sample trims (start / end in seconds).

量化声学校准与剪辑辅助

视频配乐审查与对齐大屏：提取音画同步时间线并生成带声谱图与对齐分数的长图

skills/earshot/SKILL.md

2. `earshot sheet film.mp4 -o sheet.png --cues cues.json` (`--from 10 --to 25` zooms, `--detail low` is faster) - an annotated PNG: frames, sections, labelled events, spectrogram, loudness, beats, cue markers coloured by sync

输出带分镜与响度对齐的高保真检验图

2核心能力

01音频声学响度测量与真伪判别

02素材语义检索与精确瞬态点位裁剪

03音画同步时间线提取与对齐图渲染

4管控建议与判定依据

建议配套管控措施

面向 Agent

分级或逐次授权，建议在沙箱运行

面向管理者

审批流程、可回滚、全程审计

判定依据（文件路径与关键语句摘要）

scripts/: 执行本地 earshot CLI 命令行或 Python API (earshot rank/find/describe/sheet)
本地文件系统: 读取媒体文件并写入声谱分析图 sheet.png 与嵌入特征缓存

审计说明： 本地执行脚本与分析工具：依赖本地安装的 earshot 命令行工具进行 CPU 级音频特征抽取，读取本地媒体并写盘输出可视化结果，无未经预期的外网网络调用与凭据读取。

5第二遍独立确认

[ok] 网络外发检测 — 默认命令音频数据绝不离开本机，除可选 llm 命令外无外部网络请求
[ok] 模型与性能声明 — CLAP 与 AST 纯 CPU 运行，首跑加载约 20-40s，内嵌多线程并发保护

6结论

彻底解决大模型看不见声音、凭空臆造声音表现的行业通病

提供专业级 LUFS 响度测量与音画对齐声谱图可视化产物

适合： 为视频剪辑、播客配乐、动效制作音画同步校验的 Agent 开发者与音视频创作者

不适合： 需要云端实时毫秒级低延迟推流的纯语音交互对话场景

Install Agent-Ready

① Verified Mirror 2026-10-25

Option A · Direct DownloadDownload earshot.tar.gz

sha256: 3f830b68f7ebc045…

Option B · Copy Guide for Agent

install.json

agent 读 JSON 指南后会自动从本站下载安装，无需更多说明。

② Upstream GitHub

GitHub Repo ↗

Pinned to commit 591fa3e028.