Ohren für Claude Code

Was es ist und warum es zählt

Wenn du Launch-Videos mit Code machst, zum Beispiel mit Remotion, oder sie mit Claude Code schneidest, gibt es eine Lücke: Claude schreibt das Video, aber es hört es nicht. Es setzt einen Schlag dorthin, wo es den Schnitt vermutet, und weiß nicht, ob er 80 Millisekunden zu spät kommt. Und einen Sound, der aus dem Takt ist, hört jeder.

earshot gibt ihm Ohren. Es ist ein kostenloses Open-Source-Projekt auf GitHub (MIT-Lizenz), das Klang in etwas verwandelt, das Claude lesen kann: einen Sound in Worten beschrieben, was man im Video Sekunde für Sekunde hört, um wie viele Millisekunden jeder Schlag den Schnitt verfehlt, was zuerst zu reparieren ist. Und die fehlenden Sounds baut es in Code.

Es ist für alle, die die Videos ihres Produkts allein machen, ohne Tontechniker. Aber es ist sehr jung: Es ist am 15. Oktober 2026 erschienen, als Alpha markiert und wird von einer einzigen Person geschrieben, mit Claude als Co-Autor. Probier es zuerst an einem Testvideo aus, nicht am Launch-Video.

1. Was du brauchst

Alles läuft auf deinem Computer. Bevor du es installierst, prüf, ob du Folgendes hast:

• Python 3.10 oder neuer.
• ffmpeg und ffprobe, zwei kostenlose Programme, die Audio und Video lesen.
• Etwa 1,1 GB frei für die beiden offenen Modelle, die es beim ersten Einsatz herunterlädt.
• Keine Grafikkarte und kein Schlüssel. Es gibt eine zusätzliche Bewertung mit Gemini, aber sie läuft nur mit deinem eigenen Schlüssel und deiner ausdrücklichen Zustimmung, die Datei hochzuladen.

2. Lass es Claude Code installieren

Die Installation besteht aus fünf Befehlen, aber du musst sie nicht selbst tippen. Öffne Claude Code in dem Ordner, in dem du deine Tools aufbewahrst, und füge das ein:

Installiere earshot von https://github.com/Leonxlnx/earshot nach dem Abschnitt Install der README. Prüf zuerst Python 3.10 oder neuer, ffmpeg und ffprobe: Wenn etwas fehlt, hör auf und sag mir, wie ich es installiere. Nimm eine virtuelle Umgebung .venv, torch in der reinen CPU-Version und das Extra mcp. Starte zum Schluss earshot doctor --load und sag mir in einfachen Worten, ob alles passt.

Claude legt einen Ordner .venv an, eine virtuelle Umgebung: Alles landet dort, ohne das System-Python anzufassen. Beim ersten Mal lädt es die beiden Modelle herunter und braucht etwas (um sie sofort zu laden, gibt es earshot doctor --fetch). Danach bleiben sie im Ordner des Repositorys, und es sucht sie nie wieder im Netz.

3. Füg es als Werkzeug von Claude Code hinzu

Jeder Terminal-Befehl lädt die Modelle neu: etwa 20-40 Sekunden, bevor er antwortet, und ein Video braucht mehrere Aufrufe. Deshalb verbindest du es als MCP-Server, ein Programm, das Claude Code neue Werkzeuge gibt: Die Modelle laden einmal und bleiben bereit.

Tipp im Terminal Folgendes, mit dem echten Ordnerpfad anstelle dessen zwischen < >:

claude mcp add earshot --scope user -e EARSHOT_THREADS=3 -- <earshot-Ordner>/.venv/bin/python -m earshot mcp

• --scope user macht es in all deinen Projekten verfügbar, nur für dich.
• EARSHOT_THREADS=3 legt fest, wie viele Prozessorkerne es nutzen darf: So friert der Computer nicht ein, während es zuhört.
• Tipp dann in Claude Code /mcp: earshot muss als verbunden erscheinen. Wenn es auf einem langsamen Computer nicht erscheint, starte Claude Code mit MCP_TIMEOUT=60000 claude.

4. Lass es das Video anhören

Drei Werkzeuge erledigen den Großteil der Arbeit:

• describe: Du spielst ihm einen Sound vor, und es beschreibt ihn in Worten, mit Messwerten.
• timeline: Du gibst ihm das ganze Video, und es schreibt, was man hört, Sekunde für Sekunde, mit den Bildschnitten und dem Schlag, der auf jeden antwortet. Der Versatz ist in Millisekunden: negativ heißt, der Sound kommt vor dem Schnitt.
• sheet: ein Bild mit Einzelbildern, Wellenform und Ereignissen. Jeder Schnitt hat eine Farbe: grün, wenn der Sound innerhalb eines Frames sitzt, bernsteinfarben innerhalb von 100 Millisekunden, rot, wenn er fehlt.

Hör dir mit earshot out/video.mp4 an. Erstell die Timeline und das Sheet, öffne das Bild und sag mir in einfachen Worten: was man in den wichtigsten Momenten hört, welche Schnitte keinen Sound haben und welche Schläge vor oder nach dem Schnitt kommen, um wie viele Millisekunden. Ändere noch nichts.

Wenn das Video eher aus Animationen als aus harten Schnitten besteht, lass es die Schlüsselmomente als Cues übergeben (die Option --cues): Eine Bewegung innerhalb derselben Einstellung zählt nicht als Schnitt.

5. Das Zeugnis und die Korrekturen

critique vergleicht den Soundtrack mit einem Profil, das an sieben professionellen Launch-Filmen gemessen wurde: Für jeden Messwert sagt es, ob du im Bereich, darüber oder darunter liegst. Dann gibt es ein Urteil und die Liste FIX FIRST, die Korrekturen, die zuerst dran sind, mit der genauen Sekunde.

Mach mit earshot die Critique des Soundtracks von out/video.mp4 und erklär mir Urteil und FIX FIRST in einfachen Worten. Dann reparier im Code des Videos die Synchronität der Schläge mit den Schnitten, eine Korrektur nach der anderen: Rendere nach jeder neu, lass Timeline und Critique erneut laufen und zeig mir die Zahlen vorher und nachher. Fass die Musik nicht an.

Aber diese sieben Filme hat der Autor ausgewählt, und sie beschreiben nur einen Stil: Software- und KI-Launches, animierter Text, Demos der Oberfläche. Ein filmischer Kurzfilm wird Regeln brechen, die für ihn nicht gelten. Wenn dein Stil ein anderer ist, baut dir earshot profile ein Profil aus den Filmen, die du bewunderst.

6. Die fehlenden Sounds, in Code gemacht

Wenn ein Schnitt stumm bleibt, musst du nicht auf tausend Seiten nach Sounds suchen. earshot hat eine Bank mit über 250 Effekten, die als Code geschrieben sind (Whooshes, Schläge, Klicks, Pops, Töne) und in wenigen Sekunden entstehen, ohne Modelle und ohne Netz.

• sfx: nimmt einen Sound aus der Bank und richtet ihn aufs Bild aus, mit der Länge und dem Höhepunkt, die du wählst.
• kit: ein Satz Sounds für das ganze Video, einer pro Rolle, aus einem Preset (calm, crisp, minimal oder launch, für Videos, die auf Musik geschnitten sind).
• forge: baut einen neuen Sound in Code und verbessert ihn durch Zuhören. Um sein Bestes zu geben, braucht es echte Referenzaufnahmen, die du mitbringst.

In der Timeline von out/video.mp4 gibt es Schnitte ohne Sound. Schau zuerst ins Sheet, um sicher zu sein, dass dort nicht schon ein leiser Whoosh liegt. Dann wähl für jeden einen passenden Effekt aus der earshot-Bank, erzeug ihn mit sfx so, dass er auf den Schnitt fällt, und füg ihn dem Video hinzu. Zeig mir die Liste, bevor du sie einbaust.

Zu forge warnt der Autor selbst: Die Suche versucht, den Modellen von earshot zu gefallen, und die Modelle sind auch zufrieden, wenn der Sound nicht besser wird (das ist Goodharts Gesetz). Beurteile einen mit forge gemachten Sound nach den Messwerten, nach dem Spektrogramm neben den Referenzen und mit deinen eigenen Ohren.

Häufige Fehler

• Es zum ersten Mal am echten Launch-Video einsetzen. Es ist Alpha und wird von einer Person gemacht: erst ein Testvideo, dann das wichtige.
• Den Bezeichnungen in einem vollen Mix vertrauen. Zeiten und Pegel sind zuverlässig; der Name jedes Schlags unter der Musik ist ein Hinweis, etwa jedes vierte Mal richtig.
• Das Zeugnis als Gesetz nehmen. Es misst die Nähe zum Stil von sieben Filmen, nicht, ob dein Video gut ist oder die Musik zu deinem Produkt passt: Das entscheidest du.

Checkliste

• earshot doctor --load sagt, dass alles passt
• In Claude Code zeigt /mcp earshot als verbunden
• Erster Versuch an einem Testvideo gemacht
• Ich habe mir das Sheet mit eigenen Augen angesehen
• Jede Korrektur durch erneutes Timeline und Critique geprüft

Häufige Fragen