earshot : un serveur MCP local qui donne des oreilles aux agents de code
Créé le 15 octobre, sous licence MIT, 679 étoiles quand j'ai vérifié le 18 octobre : earshot décrit l'audio en mots, note l'adéquation d'un son à une description, repère un moment dans un long enregistrement, critique le son d'un film contre des références professionnelles et synthétise des effets en code. Il tourne localement sur CPU en CLI, API Python et serveur MCP. J'ai lu le dépôt et la LICENSE ; je ne l'ai pas installé.
Faits vérifiés le 18 octobre 2026
earshot est un nouvel outil open source de Leon Lin, créé sur GitHub le 15 octobre 2026, qui donne aux agents de code un moyen de raisonner sur le son. Il décrit en mots à quoi ressemble un fichier audio, note l'adéquation d'un son à une description, repère un moment dans un long enregistrement, critique le son d'un film contre sept films de lancement professionnels et peut synthétiser des effets en code avec earshot forge. Il tourne localement sur CPU et se présente en CLI, API Python et serveur MCP. La licence est MIT, que j'ai lue dans le dépôt. Je n'ai rien installé ni exécuté. Dépôt
Ce qu'il fait
Le README formule le manque simplement : les agents savent désormais écrire le code qui rend un film, une démo produit ou un jeu, mais ils n'entendent pas ce qu'ils ont fait. earshot transforme le son en preuve sur laquelle un agent peut raisonner. Les commandes documentées : earshot describe produit un portrait en mots avec attaque, déclin, pic et brillance mesurés ; earshot match note un fichier contre une description avec des scores z sur un vocabulaire de 322 descriptions ; earshot find repère les moments correspondants dans un long enregistrement ; earshot critique note un film contre sept références professionnelles et renvoie une liste de réparations prioritaires.
Deux directions génératives bouclent la boucle. earshot forge synthétise des effets sonores en code, et earshot fit traduit un enregistrement en code que l'agent peut faire varier. Un article externe rapporte que fit est arrivé dans la v0.2 le 16 octobre ; j'ai pu confirmer l'existence des commandes dans le README mais pas la date de version, donc traitez-la comme rapportée, pas vérifiée.
L'installation MCP, telle que documentée
Le README donne une installation en une ligne pour Claude Code : claude mcp add earshot --scope user -e EARSHOT_THREADS=3 avec le Python du virtualenv du projet lançant -m earshot mcp, ou le bloc équivalent dans le .mcp.json de n'importe quel client. Les modèles se chargent au premier appel et restent chauds, environ 20 à 40 secondes, et le README conseille de lancer Claude Code avec MCP_TIMEOUT=60000 sur une machine lente.
Le matériel annoncé est modeste : tout tourne localement sur CPU. Le dépôt a trois jours et un seul auteur. Il affichait 679 étoiles et 39 fourches quand j'ai vérifié le 18 octobre. Les nouveaux dépôts peuvent gagner vite des étoiles pour des raisons autres que l'usage, donc traitez ce compteur comme un nom à suivre, pas une recommandation.
Vie privée et limites
La promesse centrale pour la vie privée est l'exécution locale : les outils d'analyse tournent sur votre CPU, donc l'audio n'a pas besoin de quitter la machine pour describe, match, find ou critique. Les extras d'installation incluent un groupe llm optionnel ; je n'ai pas tracé ce que ce chemin envoie éventuellement sur le réseau, donc l'affirmation de localité n'est vérifiée que pour les outils de base.
L'autre limite honnête est la maintenance : un auteur, créé le 15 octobre, zéro ticket ouvert parce que le projet a quelques jours. La licence MIT permet tout, y compris de le réparer vous-même, ce qui compte plus que d'habitude pour un outil si jeune.
Pourquoi cette catégorie compte
Le motif à remarquer est la fermeture d'une boucle sensorielle. Les outils de capture d'écran permettent aux agents de voir leur interface ; earshot est le même mouvement pour le son : générer, écouter, noter, réparer, tout dans le raisonnement de l'agent. Les films de démo, jeux et vidéos produit sont exactement là où les agents de code produisaient un son muet et non relu.
Si l'approche tient, attendez-vous à une famille d'outils-sens pour agents : petits évaluateurs locaux et sobres en CPU qui transforment une sortie non textuelle en texte exploitable par un agent. La forme serveur MCP signifie que tout client parlant le protocole obtient la capacité gratuitement.
La surface MCP et CLI documentée
# .mcp.json (any MCP client), adapted from the README:
{
"mcpServers": {
"earshot": {
"command": "/path/to/earshot/.venv/bin/python",
"args": ["-m", "earshot", "mcp"],
"env": { "EARSHOT_THREADS": "3" }
}
}
}
# CLI examples quoted from the README:
earshot describe enter.ogg
earshot match key.ogg "a deep thocky mechanical keyboard press"
earshot find keys.ogg "a single mechanical key press" --top 4
earshot critique film.mp4
# On a slow machine: MCP_TIMEOUT=60000 - models load on first call (20-40 s).