Leonxlnx/earshot

本页介绍外部开源仓库，并非 HDATF 产品。

它做什么

earshot是帮助无法直接听取音频结果的编程智能体进行检查的本地分析与声音制作工具。输入包括音频或视频文件、目标声音描述、可选参考录音和画面时间信息。输出包括描述及相似度、响度和峰值测量、事件时间线、标注图与评审报告。它把CLAP和AudioSet模型估计与信号测量结合，通过CLI、Python API和MCP服务器提供功能。它还可用代码合成效果音，将录音拟合为可调节的合成配方，随附声音库有不依赖模型和网络的渲染路径。需要Python 3.10或更新版本及ffmpeg和ffprobe，首次模型分析会下载模型文件，因此并非刚安装完所有路径都完全离线。智能体使用需要另外指定运行环境并注册MCP或连接API，外部Gemini评审是需要密钥及上传同意的可选功能。它不转写语音内容，也不判断版权，复杂混音中的事件标签和音乐情绪只是参考。针对自身评分模型的优化不等于听感提升，因此仍需查看成片并由人实际试听。

许可证

MIT 宽松许可。保留版权声明即可商用和修改。

同领域的其他仓库

• Comfy-Org/ComfyUI
  ComfyUI是一款用节点图构建并运行生成式AI工作流的可安装应用，主要用户是视觉内容创作者。用户连接负责加载模型、编码提示词、采样和保存的节点，并根据已安装的模型生成图像、视频、音频、3D或文本。执行请求进入队列，图中只有发生变化且通向有效输出的部分才会执行。工作流可保存为JSON，本地HTTP API接收以API格式导出的工作流，并通过WebSocket和历史记录接口返回进度和结果。可通过桌面应用、Windows便携版或Python手动安装使用，README列出的支持硬件包括NVIDIA、AMD、Intel、Apple Silicon和Ascend。安装后需要另行下载模型文件。付费的合作伙伴节点会调用外部闭源模型，可通过离线选项关闭。其安全策略以本地使用为前提，将自定义节点视为任意Python代码，并把网络公开后的安全责任交给运营者。许可证为GPL-3.0，README中关于速度和低显存运行的说法在本次调查中尚未核实。
• DmNote-App/DmNote
  DM Note是把玩家按键显示给观众的按键可视化应用。它最初面向DJMAX RESPECT V，也可显示其他游戏的输入。输入键位映射和按键状态后，以覆盖层高亮、音符效果和计数器呈现。还提供输入频率统计、图表和按键音，可通过单键图片、CSS与插件修改外观。除桌面覆盖层外，也支持连接为OBS浏览器源。支持Windows 10、11和macOS，Linux用户则被引导至独立社区分支。用户下载后运行应用，macOS需要另行授予辅助功能和输入监控权限并重启应用。要在OBS显示，还需配置浏览器源连接。某些全屏游戏可能遮住覆盖层，也不应加载不可信插件。
• jub0t/concat
  Concat是用Rust编写的视频编辑器，许可证为AGPL-3.0-or-later，并为只使用其API的模块设有plugin例外。它标榜为macOS、Windows、Linux和Android上的免费CapCut替代品，iPhone和iPad为sideload构建，面向想在没有水印、账户、订阅和上传的情况下制作短视频和屏幕录制的人。它具备多轨剪辑、keyframe、170多种特效、转场和文字动画以及标题，可用H.264、HEVC、AV1以最高4K 60fps和10-bit色彩导出。字幕由whisper.cpp在本地生成，语音合成使用Kokoro音色，Pocket TTS以英语发音，并可用几秒录音复制音色。背景去除和超分辨率使用ONNX模型，模型在设置中下载一次并校验SHA-256后即可离线运行，界面支持包括韩语在内的25种语言。远程API在TCP或Unix socket上使用JSON-RPC，gRPC为构建选项，默认关闭，在127.0.0.1上要求token，通信不加密。通过该API，脚本和智能体可以打开项目、用与编辑器相同的命令应用编辑、导入媒体并把导出作为任务运行。README还宣传MCP API，但架构文档和10月12日的audit文档写明源码中没有MCP服务器，文件列表中也没有MCP代码。安装包可从网站或GitHub Releases获取，也可用Rust 1.93以上和FFmpeg 7以上构建。最新release是10月13日的beta 0.2.7，项目10月12日的自评audit给安全打了10分中的6分，并写明protocol whitelist等API修复尚未完成。
• yxxbc/downvid
  DownVid是用Electron和Vue 3构建、面向macOS、Windows和Linux的MIT许可证桌面应用，为yt-dlp(命令行视频下载工具)和FFmpeg提供图形界面。它面向希望从yt-dlp支持的网站保存视频、音频或字幕而无需输入命令的用户。粘贴URL后，应用会列出360P到4K的格式、仅音频的MP3和仅字幕的SRT，下载在带有暂停、继续、重试、进度显示和最近100条记录的队列中进行。抖音和快手链接会先交给专用解析器，调用各网站的网页API并取得网页播放器使用的流地址。失败时改用电脑上安装的Chromium系浏览器(Chrome、Edge、Chromium)以无窗口运行的headless方式尝试，最后再交给yt-dlp。项目把这些结果介绍为无水印视频，在本次调查阅读的代码中，没有找到修改画面来去除水印的步骤。通过yt-dlp的下载会把HTTP请求分成多个chunk以避开单连接限速，加速文档写明服务器整体限速、权限、签名和DRM依然有效。一个用Go编写的辅助程序会查找系统中的yt-dlp和FFmpeg，或下载固定版本的构建并用SHA-256校验，从源码构建需要Node.js 22、pnpm 8和Go 1.24及以上版本。在默认的自动cookie模式下，应用通过yt-dlp依次尝试已安装浏览器的cookie，并把读取到的cookie作为snapshot文件保存在应用数据目录中以便复用，也可以改为手动指定cookies.txt文件。安装包没有代码签名证书，因此首次启动时Windows SmartScreen和macOS Gatekeeper会发出警告，默认设置下启动时会向GitHub检查更新。元数据解析步骤关闭了yt-dlp的TLS证书校验，headless浏览器则在关闭sandbox的状态下启动。README写明应用中没有破解或规避技术保护措施的代码，遵守法律、平台条款和版权的责任在用户，网站变化时提取可能失败。
• SukkaW/Make-Bilibili-Great-Than-Ever-Before
  Make Bilibili Great Than Ever Before是一个基于TypeScript的用户脚本(userscript)，用于在观看中国视频网站Bilibili时修改广告、追踪和播放设置。它是用TypeScript重写Make Bilibili Great Again的fork而成的MIT许可证项目，安装到Tampermonkey、Violentmonkey、AdGuard扩展等用户脚本管理器后，会在www、t、live、space子域名的页面加载初期运行。16个模块可以在菜单中逐个开关，脚本拦截页面的fetch和XHR调用，只修改需要的请求和响应，并让修改后的fetch在Sentry等检测代码看来仍是原生浏览器函数。在隐私方面，它拦截日志上报和用户追踪请求，把Sentry和上报对象替换为空函数，阻止用于日志和上报的浏览器存储写入以减少磁盘写入，并从URL中删除vd_source等追踪参数。广告元素被缩小到1像素并设为透明度0来隐藏，代码注释说明，由于网站通过广告链接的display值检测是否屏蔽广告，因此保持display值不变。在播放方面，它关闭AV1，把P2P和PCDN加载器以及WebRTC替换为假对象，从而使用官方CDN地址，为播放器增加视频裁切模式，直播则请求原画画质线路，但在30秒内失败5次后回退到播放器中选择的画质。4K强制模块修改播放器的本地设置值，并把浏览器伪装为macOS Safari，使低配置设备也能打开4K、HDR和Dolby Atmos选项，由于没有修改播放地址响应的代码，实际获得的画质取决于服务器响应。默认关闭的Thread Ripper把视频分段切得更细，同时向多个CDN主机请求并采用最先到达的响应，正如模块说明所述，可能多消耗带宽和流量。此外，它整理首页和动态(story)页面的广告与布局，在专栏(/read/cv)页面解除禁止转载标记(unable-reprint)和复制事件处理，使正文可以复制，并去除全站黑白效果和HarmonyOS字体，改用系统默认字体。通读全部源码后发现，它对播放地址响应只做读取，并在Bilibili的CDN主机上原样使用网站签发的签名地址，没有找到绕过登录、付费会员或地区限制的代码，而且由于依赖Bilibili内部页面结构，网站改版时部分模块可能失效。

只收录进入 Trendshift 排行榜的仓库，榜单仅用于寻找候选项目，不转载名次。说明、许可证和星标数来自各 GitHub 仓库。解读是我们自己的判断。我们尚未测试这些项目，上榜并不证明质量。