Oídos para Claude Code

Qué es y por qué importa

Si haces los vídeos de lanzamiento con código, por ejemplo con Remotion, o los montas con Claude Code, hay un hueco: Claude escribe el vídeo, pero no lo oye. Pone un golpe donde cree que cae el corte, y no sabe si llega 80 milésimas tarde. Y un sonido a destiempo lo nota cualquiera.

earshot le da oídos. Es un proyecto open source gratuito en GitHub (licencia MIT) que convierte el sonido en cosas que Claude puede leer: un sonido descrito con palabras, lo que se oye en el vídeo segundo a segundo, por cuántas milésimas cada golpe falla el corte, qué arreglar primero. Y los sonidos que faltan los construye en código.

Es para quien hace solo los vídeos de su producto, sin técnico de sonido. Pero es muy joven: salió el 15 de octubre de 2026, está marcado como alfa y lo escribe una sola persona, con Claude como coautor. Pruébalo primero en un vídeo de prueba, no en el vídeo de lanzamiento.

1. Qué necesitas

Todo funciona en tu ordenador. Antes de instalarlo, comprueba que tienes:

• Python 3.10 o más reciente.
• ffmpeg y ffprobe, dos programas gratuitos que leen audio y vídeo.
• Unos 1,1 GB libres para los dos modelos abiertos que descarga en el primer uso.
• Ninguna tarjeta gráfica y ninguna clave. Hay una revisión extra con Gemini, pero solo funciona con tu propia clave y tu consentimiento explícito para subir el archivo.

2. Haz que Claude Code lo instale

La instalación son cinco comandos, pero no hace falta que los escribas tú. Abre Claude Code en la carpeta donde guardas tus herramientas y pega esto:

Instala earshot desde https://github.com/Leonxlnx/earshot siguiendo la sección Install del README. Primero comprueba Python 3.10 o más reciente, ffmpeg y ffprobe: si falta algo, para y dime cómo instalarlo. Usa un entorno virtual .venv, torch en la versión solo CPU y el extra mcp. Al final ejecuta earshot doctor --load y dime con palabras sencillas si todo está bien.

Claude crea una carpeta .venv, es decir, un entorno virtual: todo va ahí, sin tocar el Python del sistema. La primera vez descarga los dos modelos y tarda un poco (para descargarlos ya está earshot doctor --fetch). Luego se quedan en la carpeta del repositorio y no vuelve a buscarlos en la red.

3. Añádelo como herramienta de Claude Code

Cada comando desde la terminal vuelve a cargar los modelos: unos 20-40 segundos antes de responder, y un vídeo necesita varias llamadas. Por eso lo conectas como servidor MCP, un programa que le da a Claude Code herramientas nuevas: los modelos se cargan una vez y quedan listos.

En la terminal escribe esto, con la ruta real de la carpeta en lugar de la que está entre < >:

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

• --scope user lo hace disponible en todos tus proyectos, solo para ti.
• EARSHOT_THREADS=3 indica cuántos núcleos del procesador puede usar: así el ordenador no se bloquea mientras escucha.
• Luego en Claude Code escribe /mcp: earshot tiene que aparecer como conectado. Si en un ordenador lento no aparece, arranca Claude Code con MCP_TIMEOUT=60000 claude.

4. Haz que escuche el vídeo

Tres herramientas hacen la mayor parte del trabajo:

• describe: le haces oír un sonido y te lo describe con palabras, con medidas.
• timeline: le das el vídeo entero y escribe lo que se oye, segundo a segundo, con los cortes de imagen y el golpe que responde a cada uno. El desfase va en milisegundos: negativo quiere decir que el sonido llega antes del corte.
• sheet: una imagen con fotogramas, forma de onda y eventos. Cada corte tiene un color: verde si el sonido cae dentro de un fotograma, ámbar dentro de 100 milisegundos, rojo si falta.

Con earshot escucha out/video.mp4. Haz la timeline y el sheet, abre la imagen y dime con palabras sencillas: qué se oye en los momentos principales, qué cortes no tienen sonido y qué golpes llegan antes o después del corte, por cuántos milisegundos. No cambies nada todavía.

Si el vídeo está hecho más de animaciones que de cortes secos, haz que pase los momentos clave como cues (la opción --cues): un movimiento dentro del mismo plano no cuenta como corte.

5. La ficha y los arreglos

critique compara la banda sonora con un perfil medido en siete vídeos de lanzamiento profesionales: para cada medida dice si estás dentro del rango, por encima o por debajo. Luego da un veredicto y la lista FIX FIRST, los arreglos que hacer primero, con el segundo exacto.

Con earshot haz la critique de la banda sonora de out/video.mp4 y explícame veredicto y FIX FIRST con palabras sencillas. Luego arregla en el código del vídeo la sincronía de los golpes con los cortes, un arreglo cada vez: después de cada uno vuelve a renderizar, repite timeline y critique y enséñame los números de antes y de después. No toques la música.

Pero esos siete vídeos los eligió el autor y describen un solo estilo: lanzamientos de software y de IA, texto animado, demos de la interfaz. Un corto cinematográfico romperá reglas que no le corresponden. Si tu estilo es otro, con earshot profile te construyes un perfil a partir de los vídeos que admiras.

6. Los sonidos que faltan, hechos en código

Si un corte se queda mudo, no hace falta buscar sonidos en mil webs. earshot tiene un banco de más de 250 efectos escritos como código (whooshes, golpes, clics, pops, notas), que se generan en pocos segundos, sin modelos y sin red.

• sfx: toma un sonido del banco y lo apunta a la imagen, con la duración y el punto de pico que decides tú.
• kit: un conjunto de sonidos para todo el vídeo, uno por función, a partir de un preset (calm, crisp, minimal o launch, para vídeos montados sobre música).
• forge: construye un sonido nuevo en código y lo mejora escuchándolo. Para dar lo mejor quiere grabaciones reales de referencia, que pones tú.

En la timeline de out/video.mp4 hay cortes sin sonido. Primero mira el sheet para estar seguro de que no hay ya un whoosh suave. Luego, para cada uno, elige del banco de earshot un efecto adecuado, genéralo con sfx para que caiga en el corte y añádelo al vídeo. Enséñame la lista antes de montarla.

Sobre forge el propio autor avisa: la búsqueda intenta gustar a los modelos de earshot, y los modelos se conforman aunque el sonido no mejore (es la ley de Goodhart). Juzga un sonido hecho con forge por las medidas, por el espectrograma junto a las referencias y con tus propios oídos.

Errores comunes

• Usarlo por primera vez en el vídeo de lanzamiento de verdad. Es alfa y lo hace una sola persona: primero un vídeo de prueba, luego el importante.
• Fiarse de las etiquetas dentro de una mezcla cargada. Tiempos y niveles son fiables; el nombre de cada golpe bajo la música es una pista, acierta más o menos una vez de cada cuatro.
• Tomar la ficha como una ley. Mide la cercanía al estilo de siete vídeos, no si tu vídeo es bueno o si la música encaja con tu producto: eso lo decides tú.

Lista de comprobación

• earshot doctor --load dice que todo está bien
• En Claude Code, /mcp muestra earshot conectado
• Primera prueba hecha en un vídeo de prueba
• He mirado el sheet con mis propios ojos
• Cada arreglo comprobado repitiendo timeline y critique

Preguntas frecuentes