โปรเจกต์โอเพนซอร์สสาย Python ที่ช่วยให้ AI coding agents มีหูไว้ฟังเสียง ตรวจสอบ และสร้างเสียงได้เองบนซีพียู
earshot เป็นโปรเจกต์โอเพนซอร์สภาษา Python ที่พัฒนาขึ้นมาเพื่อแก้ปัญหาของ AI coding agents ซึ่งแม้จะเขียนโค้ดสร้างภาพยนตร์ ตัวอย่างผลิตภัณฑ์ หรือเกมได้แล้ว แต่ยังไม่สามารถฟังเสียงที่ตัวเองสร้างขึ้นมาได้ เครื่องมือนี้จึงทำหน้าที่แปลงเสียงให้กลายเป็นข้อมูลหลักฐานที่ AI นำไปวิเคราะห์ต่อได้ เช่น เสียงของไฟล์คืออะไร ตรงกับคำอธิบายแค่ไหน ช่วงเวลาที่ดีที่สุดในบันทึกเสียงยาวๆ หรือการเปรียบเทียบกับเสียงบันทึกต้นฉบับ
การทำงานรองรับทั้งการใช้งานผ่าน CLI, Python API และ MCP server โดยมีความสามารถหลากหลาย เช่น คำสั่ง describe สำหรับอธิบายเสียง, match เพื่อดูความสอดคล้องกับคำอธิบาย, realness สำหรับแยกแยะเสียงบันทึกจริงกับเสียงที่สังเคราะห์ขึ้นจากโค้ด รวมถึงการสร้างรายงานและภาพสเปกตรัม (sheet) นอกจากนี้ยังมีฟีเจอร์ earshot forge ที่ให้ AI เขียนโค้ดสร้างเสียงขึ้นมาเองผ่านกระบวนการ physical synthesis และปรับปรุงคุณภาพจากการฟังเสียงวิจารณ์ของระบบ
โปรเจกต์นี้เพิ่งเปิดตัวใน GitHub มาได้ 3 วัน และได้รับความนิยมสูงถึง 611 ดาว จนติดอยู่อันดับ 5 ในหมวด repo AI เปิดใหม่ 7 วันที่ได้ดาวเยอะสุด เหมาะสำหรับนักพัฒนาที่ใช้งาน AI coding agents และต้องการเพิ่มความสามารถด้านเสียงโดยรันบน CPU ได้ทันที
✨ จุดเด่น
- วิเคราะห์เสียงครบถ้วน — แปลงไฟล์เสียงเป็นคำอธิบาย ป้ายกำกับ ค่าการวัด และตรวจสอบความตรงกับคำค้นหา
- ตรวจสอบความจริงแท้ — แยกแยะเสียงบันทึกจริงหรือเสียงโปรดักชันออกจากเสียงที่สังเคราะห์ด้วยโค้ด พร้อมคะแนนแยกตามช่วงเวลา
- สร้างเสียงด้วยโค้ด — ฟีเจอร์ earshot forge ให้ AI เขียนสูตรสร้างเสียงและประเมินคุณภาพเพื่อปรับปรุงเสียงได้เอง
- รองรับหลากหลายรูปแบบ — ใช้งานได้ผ่าน CLI, Python API หรือเป็น MCP server สำหรับ Claude Code และเอเจนต์อื่น
🙋 ใครเหมาะจะลอง: เหมาะสำหรับนักพัฒนาซอฟต์แวร์และผู้สนใจ AI coding agents ที่ต้องการทดลองเครื่องมือวิเคราะห์และสร้างเสียงบนเครื่องที่รันด้วย CPU โดยใช้ภาษา Python
ทีมข่าว เอไอไทย.com · เรียบเรียงจากหน้าโปรเจกต์ Leonxlnx/earshot — รายละเอียดล่าสุดดูที่ต้นทาง
ความคิดเห็น 0
กำลังโหลดความคิดเห็น...