O Earshot código aberto ganhou a versão 0.2.0 em 16 de outubro de 2026 com uma proposta incomum: permitir que agentes de IA analisem áudio, descrevam o que escutam e usem esse diagnóstico para melhorar sons produzidos por código. O projeto funciona localmente, em CPU, e pode ser acessado por linha de comando, API Python ou servidor MCP.
A atualização adicionou dois componentes centrais. O earshot fit tenta transformar uma gravação em uma receita Python capaz de sintetizar sons semelhantes. Já o Forge v2 ampliou o sistema de criação e avaliação de efeitos sonoros, com categorias voltadas a vídeos de produto, interfaces e motion design. O código está disponível no repositório oficial do Earshot sob licença MIT.
O que mudou no Earshot código aberto
O Earshot já oferecia comandos para descrever arquivos, localizar eventos dentro de gravações, comparar alternativas, medir volume e espectro e montar uma folha visual com forma de onda, espectrograma e marcações de tempo. A versão 0.2.0 acrescenta a conversão de áudio em código por um processo de análise por síntese: o programa mede a gravação, testa modelos de síntese e escolhe a representação que mais se aproxima do material original.
Segundo o changelog oficial, o sistema trabalha com modelos para sons percussivos, componentes tonais, ruídos e combinações dessas camadas. O arquivo gerado guarda parâmetros como frequência, decaimento, intensidade e envelopes, não as amostras da gravação. Isso permite criar variações por semente, alterar características e produzir transições entre dois sons ajustados.
O Forge v2 também passou de cinco tipos de efeito para 34 categorias e 183 sons descritos pelos autores. A atualização inclui busca mais rápida, comparações com referências mantidas fora do repositório, relatórios e uma galeria HTML para audição. O próprio projeto ressalta que esses números vêm de sua metodologia de avaliação e não substituem uma revisão humana de qualidade sonora.
O que muda para desenvolvedores e equipes criativas
Na prática, o Earshot cria uma ponte entre agentes de programação e uma parte do produto que normalmente exige escuta humana. Um agente pode gerar um vídeo, medir se um efeito entrou no momento correto, comparar arquivos candidatos e devolver um relatório com problemas de volume, sincronização ou duração. Para protótipos, jogos, demos e interfaces, isso pode reduzir o trabalho manual de triagem antes da revisão final.
Há três formas principais de uso. A linha de comando serve para análises pontuais e automações em scripts. A API Python permite integrar as medições a pipelines próprios. O servidor MCP mantém os modelos carregados para agentes compatíveis, evitando o custo de inicialização a cada chamada. A documentação informa que o primeiro uso baixa cerca de 1,4 GB em modelos abertos e que Python 3.10 ou superior, FFmpeg e FFprobe são requisitos.
O projeto também merece atenção por manter o processamento principal no computador do usuário. Isso pode ser útil quando o material não deve ser enviado a um serviço externo. Ainda assim, existe um comando opcional que usa um modelo de áudio remoto e exige chave própria e consentimento explícito para upload.
Perguntas frequentes
O Earshot substitui um profissional de áudio?
Não. O sistema mede características e compara padrões, mas a própria documentação diz que ele não avalia bem gosto, emoção, procedência ou licenças. O uso mais seguro é como apoio para inspeção, seleção e repetição de testes, com decisão humana no final.
Os resultados publicados provam que o som recriado é idêntico?
Não. Os autores relatam mediana de similaridade CLAP de 0,945 em 12 gravações e o mesmo rótulo principal em 10 delas, mas reconhecem uma amostra pequena, diferenças mensuráveis e pesos ajustados sobre o mesmo conjunto. A documentação do earshot fit detalha o método e as limitações.
É possível usar o projeto sem GPU?
Sim. O Earshot foi desenhado para CPU. A contrapartida é o tempo: o README estima de 20 a 40 segundos para carregar modelos em cada execução isolada e recomenda MCP ou um processo Python persistente quando houver várias análises.
Deixe um comentário