leonxlnx/earshot は AI コーディングエージェントに聴覚を与える、ローカルの CPU 専用ツールである。エージェントが音を聴き、判断し、自ら作ることを助けることが目的だ。Python で書かれており、CLI、Python API、MCP サーバーを提供する。MCP はコーディングエージェントが外部ツールを接続するときに使う標準インタフェースだ。CPU のみで動作し、MIT ライセンスで公開されている。最新リリースは v0.2.0 で、このリリースの変更項目は資料に含まれていないため、何が追加されたかを特定できない。
機能を並べると「聴く」と「作る」の二つの方向が見えてくる。中心は describe で、公開モデルの CLAP エンベディングと AudioSet タガーを CPU で動かし、音を言葉で描写する。match は説明文と音がどれだけ合うかをスコアで示す。find は長い録音から適切な区間を見つける。実際の録音とコードで合成した音を区別し、動画全体の時間単位の視聴記録、注釈画像、スコア表を生成する。ローンチ映像の音響を評価する機能もある。earshot forge はコードで音を作り、earshot fit は録音を編集可能なコードへ書き換える。eval ディレクトリには盲評価とベンチマークスクリプトがあり、tests パスは 29 項目を数え、レイテンシと限界を扱うドキュメントも公開されている。スターは 2027 個だ。
ただし、示されているスコアの大部分は自身のベンチマーク結果であり、外部検証としては見られない。技術スコアも 10 点満点中の 7 点と低く置かれている。エージェントに聴覚を与える道具としては使えるが、スコアを外部の基準と比べるにはもう少し待つ必要がある。