# 讓 Claude 自己幫影片配音效：earshot 實測（252 個免版權音效＋自動檢查）

> 影片沒音效看起來就很便宜。用開源工具 earshot 讓 Claude 從 252 個免版權音效裡挑、對準畫面放好，再自己聽一遍抓出音量問題。附安裝步驟和直接能貼的指令。

- 網址：https://yourjobpocket.com/learn/claude-earshot-sound-effects
- 發布：2026-11-03
- 主題：Claude
- 作者：@your.engineer.ben（https://www.instagram.com/your.engineer.ben/）
- 參考來源：https://github.com/Leonxlnx/earshot
- 出處：Lesson by Job Pocket（https://yourjobpocket.com/learn），免費、不用登入

影片做好了，但總覺得哪裡很「便宜」？很多時候不是畫面的問題，是**沒有音效**。卡片飛進來沒有聲音、按鈕按下去沒有聲音，看起來就像投影片在換頁。

以前補音效要到處找素材網站、下載、對時間軸、再調音量，一支片可以花掉半天。這次我把這件事整個交給 Claude，用的是一個叫 **earshot** 的開源工具。下面是我實際用在自己課程宣傳片上的過程和設定。

> 我實測的版本：earshot 0.4（2026 年 11 月），在 Mac 上只用 CPU 跑。

---

## earshot 是什麼

[earshot](https://github.com/Leonxlnx/earshot) 是 GitHub 上的開源專案（MIT 授權，我看的時候有 3.6k 星），它的定位是「給寫程式的 AI 一對耳朵」。它做兩件事：

1. **做音效**：內建一個 252 個音效的音效庫，每個音效都是用程式「算」出來的，不是錄音檔。點擊、跳通知、卡片飛入的 whoosh、完成的叮咚、重擊、螢光筆劃過的 swish 都有。因為是程式生出來的，**沒有版權問題**，也不需要網路。
2. **聽音效**：它可以把一段聲音或一整支影片「聽」一遍，用文字告訴 AI 這段聽起來像什麼、音量夠不夠、聲音有沒有對準畫面。AI 本來聽不到聲音，有了它就能自己檢查成品。

## 我怎麼用：先配、再讓它自己聽

我的影片是用程式產生的（HTML 動畫 + ffmpeg），所以每個畫面變化的時間點本來就知道。流程是：

1. 列出畫面上會「動」的時間點：鉤子文字彈出、派工按鈕、跳出提問視窗、全部完成、課程卡飛入、螢光筆劃過、最後的留言畫面。
2. 每個時間點挑一個音效 ID，例如 `click/soft`（按鈕）、`notify/mid_tine`（跳通知）、`whoosh_big/thump_airy`（卡片飛入）、`swish/bright`（螢光筆）、`cut_hit/punch`（結尾重擊）。
3. 讓每個音效「最響的那一下」對準畫面，而不是從音效檔開頭對齊。earshot 的音效庫有標每個音效的峰值時間，這一步很關鍵，不然會覺得聲音慢半拍。
4. 混音完，叫 earshot 用 `critique` 把整支片聽一遍。

我這支課程片總共放了 **14 個音效**。

## 它自己抓到的問題

`earshot critique` 會拿成品跟一組專業發表影片的數據比較，列出一張評分表。我的第一版大部分都過了：

- 音效對到畫面變化的比例：100%
- 第一個聲音出現的時間：0.04 秒
- 結尾沒有死寂空白

但它標了一個 **major**：整支的響度只有 **-17.2 LUFS**，網路影片一般在 -14 左右，等於整支聽起來偏小聲。我在混音最後加了一段響度標準化，第二版量出來是 **-13.9 LUFS**，問題解決。

這就是「讓 AI 自己聽」的價值：我自己戴耳機聽，只會覺得「好像還行」，不會知道它比一般影片小聲了 3 dB。

## 安裝步驟

需要 Python 3.10 以上，電腦裡要有 ffmpeg。不需要顯示卡。

```bash
git clone https://github.com/Leonxlnx/earshot && cd earshot
python -m venv .venv
.venv/bin/python -m pip install torch --index-url https://download.pytorch.org/whl/cpu
.venv/bin/python -m pip install -e ".[mcp]"
.venv/bin/python -m earshot doctor --load
```

第一次用到「聽」的功能時，它會下載兩個開源模型（大約 1.1 GB）。只用音效庫（`sfx`）跟量音量（`measure`）的話不用下載模型。

想讓 Claude Code 直接呼叫它，加成 MCP：

```bash
claude mcp add earshot --scope user -- /你的路徑/earshot/.venv/bin/python -m earshot mcp
```

## 常用指令

```bash
earshot sfx list --kind whoosh          # 看有哪些 whoosh 音效
earshot sfx render ui_pop/soft -o pop.wav   # 產生一個音效檔
earshot measure 影片.mp4                 # 量響度（LUFS）、峰值
earshot critique 影片.mp4                # 整支聽一遍，給評分表跟修正建議
```

## 直接貼給 Claude 的指令

裝好之後，可以直接這樣跟 Claude 說：

> 幫這支影片配音效。先列出畫面上每個會動的時間點，從 earshot 的音效庫挑適合的音效，讓每個音效的峰值對準畫面，音量要比旁白小。混好之後用 earshot critique 聽一遍，把它標成 major 的問題修掉，最後響度做到 -14 LUFS。

## 我的建議

- **不要每個畫面都塞音效**。一支 30 秒的片，十來個就夠，旁白講話的時候音效要小。
- **按鈕、跳通知用短的 click／pop，換場用 whoosh，結尾用一個重擊**，這三種就能讓片子質感差很多。
- **一定要量響度**。沒量過的片，常常整支偏小聲，觀眾會直接滑走。

工具連結：[github.com/Leonxlnx/earshot](https://github.com/Leonxlnx/earshot)
