Início Código Aberto Earshot: código aberto dá audição a agentes de IA
Código AbertoÚltimas notícias

Earshot: código aberto dá audição a agentes de IA

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.

Folha visual do Earshot código aberto com espectrograma e eventos de áudio
Imagem: Divulgação (Earshot)

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.

Espectrograma de áudio que ilustra a análise feita pelo Earshot
Imagem: Wikimedia Commons (Sagenat2, CC BY-SA 4.0)

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.

Estação de áudio digital relacionada aos usos práticos do Earshot código aberto
Imagem: Wikimedia Commons (Kyler Chin, CC BY-SA 4.0)

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.

Forma de onda em computador que representa o processamento local de áudio
Imagem: Wikimedia Commons (Sébastien Pourcel, CC BY-SA 4.0)

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.

Fontes

Written by
Filipe Lino

Filipe Lino é fundador da ClickGrowth e atua com marketing, CRM e automação de negócios. No Turbo Automate IA, acompanha ferramentas, modelos e projetos de inteligência artificial, explicando suas aplicações e impactos para profissionais e empresas.

Leave a comment

Leave a Reply

Your email address will not be published. Required fields are marked *

Related Articles

Apresentação sobre inteligência artificial ajuda a explicar como Claude IA funciona
Ferramentas e AutomaçãoÚltimas notícias

Claude IA: como funciona do chat ao Claude Code

Claude IA como funciona no chat e no Claude Code? Entenda usos,...

Palácio das Nações em Genebra durante conferência sobre armas autônomas
IA Militar e DefesaÚltimas notícias

Armas autônomas na ONU: conferência termina sem acordo

A conferência da ONU terminou sem consenso sobre armas autônomas. Entenda o...

Signal bloqueia capturas para proteger conversas de agentes de IA
Mercado de IAÚltimas notícias

Signal bloqueia capturas contra agentes de IA no celular

Signal bloqueia capturas para limitar o acesso de agentes de IA às...

OpenMotion 0.2.1 como estúdio aberto para agentes de IA
Código AbertoÚltimas notícias

OpenMotion 0.2.1 amplia estúdio aberto para agentes

OpenMotion 0.2.1 reúne vídeo, áudio, design e jogos em um estúdio aberto...