Le orecchie per Claude Code

Cos'è e perché conta

Se fai i video di lancio con il codice, per esempio con Remotion, o li monti con Claude Code, c'è un buco: Claude scrive il video, ma non lo sente. Mette un colpo dove pensa che cada il taglio, e non sa se arriva 80 millesimi dopo. E un suono fuori tempo lo sente chiunque.

earshot gli dà le orecchie. È un progetto open source su GitHub, gratuito (licenza MIT), che trasforma il suono in cose che Claude può leggere: un suono descritto a parole, cosa si sente nel video secondo per secondo, di quanti millesimi ogni colpo manca il taglio, cosa sistemare prima. E i suoni che mancano li costruisce in codice.

È per chi fa da solo i video del proprio prodotto, senza un fonico. Ma è giovanissimo: è uscito il 15 ottobre 2026, è segnato come alpha e lo scrive una persona sola, con Claude come coautore. Provalo prima su un video di prova, non sul video di lancio.

1. Cosa ti serve

Gira tutto sul tuo computer. Prima di installarlo controlla di avere:

• Python 3.10 o più recente.
• ffmpeg e ffprobe, due programmi gratuiti che leggono audio e video.
• Circa 1,1 GB liberi per i due modelli aperti che scarica al primo uso.
• Nessuna scheda video e nessuna chiave. C'è un'analisi extra con Gemini, ma parte solo con una tua chiave e il tuo consenso esplicito a caricare il file.

2. Fallo installare a Claude Code

L'installazione sono cinque comandi, ma non serve che li scriva tu. Apri Claude Code nella cartella dove tieni i tuoi strumenti e incolla questo:

Installa earshot da https://github.com/Leonxlnx/earshot seguendo la sezione Install del README. Prima controlla Python 3.10 o più recente, ffmpeg e ffprobe: se manca qualcosa, fermati e dimmi come installarlo. Usa un ambiente virtuale .venv, torch nella versione solo CPU e l'extra mcp. Alla fine lancia earshot doctor --load e dimmi in parole semplici se è tutto a posto.

Claude crea una cartella .venv, cioè un ambiente virtuale: tutto finisce lì, senza toccare il Python del sistema. La prima volta scarica i due modelli e ci mette un po' (per scaricarli subito c'è earshot doctor --fetch). Poi restano nella cartella del repository e non li cerca più in rete.

3. Aggiungilo come strumento di Claude Code

Ogni comando da terminale ricarica i modelli: circa 20-40 secondi prima di rispondere, e per un video servono più chiamate. Per questo lo colleghi come server MCP, un programma che dà a Claude Code strumenti nuovi: i modelli si caricano una volta e restano pronti.

Nel terminale scrivi questo, con il percorso vero della cartella al posto di quello tra < >:

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

• --scope user lo rende disponibile in tutti i tuoi progetti, solo per te.
• EARSHOT_THREADS=3 dice quanti core del processore può usare: così il computer non si blocca mentre ascolta.
• Poi in Claude Code scrivi /mcp: earshot deve risultare connesso. Se su un computer lento non compare, avvia Claude Code con MCP_TIMEOUT=60000 claude.

4. Fagli ascoltare il video

Tre strumenti fanno il grosso del lavoro:

• describe: gli fai sentire un suono e te lo descrive a parole, con le misure.
• timeline: gli dai il video intero e scrive cosa si sente, secondo per secondo, con i tagli dell'immagine e il colpo che risponde a ognuno. Lo scarto è in millisecondi: negativo vuol dire che il suono arriva prima del taglio.
• sheet: un'immagine con fotogrammi, forma d'onda ed eventi. Ogni taglio ha un colore: verde se il suono cade entro un fotogramma, ambra entro 100 millisecondi, rosso se manca.

Con earshot ascolta out/video.mp4. Fai la timeline e il sheet, apri l'immagine e dimmi in parole semplici: cosa si sente nei momenti principali, quali tagli non hanno un suono, e quali colpi arrivano prima o dopo il taglio, di quanti millisecondi. Non cambiare ancora niente.

Se il video è fatto di animazioni più che di tagli netti, fagli passare i momenti chiave come cue (l'opzione --cues): un movimento dentro la stessa inquadratura non conta come taglio.

5. La pagella e le correzioni

critique confronta la colonna sonora con un profilo misurato su sette video di lancio professionali: per ogni misura dice se sei nel range, sopra o sotto. Poi dà un verdetto e la lista FIX FIRST, le correzioni da fare prima, con il secondo esatto.

Con earshot fai la critique della colonna sonora di out/video.mp4 e spiegami verdetto e FIX FIRST in parole semplici. Poi sistema nel codice del video la sincronia dei colpi con i tagli, una correzione alla volta: dopo ognuna rifai il render, rilancia timeline e critique e mostrami i numeri prima e dopo. Non toccare la musica.

Ma quei sette video li ha scelti l'autore e descrivono uno stile solo: lanci di software e di AI, testo animato, demo dell'interfaccia. Un corto cinematografico infrangerà regole che per lui non valgono. Se il tuo stile è un altro, con earshot profile ti costruisci un profilo dai video che ammiri.

6. I suoni che mancano, fatti in codice

Se un taglio resta muto, non serve cercare suoni tra mille siti. earshot ha una banca di oltre 250 effetti scritti come codice (whoosh, colpi, clic, pop, note), che si generano in pochi secondi, senza modelli e senza rete.

• sfx: prende un suono dalla banca e lo mira sull'immagine, con la durata e il punto di picco che decidi tu.
• kit: un set di suoni per tutto il video, uno per ruolo, da un preset (calm, crisp, minimal o launch, per i video montati sulla musica).
• forge: costruisce un suono nuovo in codice e lo migliora ascoltandolo. Per dare il meglio vuole registrazioni vere di riferimento, che porti tu.

Nella timeline di out/video.mp4 ci sono tagli senza suono. Prima guarda il sheet per essere sicuro che non ci sia già un whoosh leggero. Poi, per ognuno, scegli dalla banca di earshot un effetto adatto, generalo con sfx in modo che cada sul taglio e aggiungilo al video. Proponimi la lista prima di montarla.

Sul forge l'autore stesso avvisa: la ricerca cerca di piacere ai modelli di earshot, e i modelli si accontentano anche se il suono non migliora (è la legge di Goodhart). Un suono fatto con forge giudicalo dalle misure, dallo spettrogramma accanto ai riferimenti e con le tue orecchie.

Gli errori più comuni

• Usarlo per la prima volta sul video di lancio vero. È alpha e lo fa una persona sola: prima un video di prova, poi quello importante.
• Fidarsi delle etichette dentro un mix pieno. Tempi e volumi sono affidabili; il nome di ogni colpo sotto la musica è un indizio, giusto circa una volta su quattro.
• Prendere la pagella come una legge. Misura la vicinanza a uno stile di sette video, non se il tuo video è bello o se la musica è giusta per il tuo prodotto: quello lo decidi tu.

Checklist

• earshot doctor --load dice che è tutto a posto
• In Claude Code, /mcp mostra earshot connesso
• Prima prova fatta su un video di prova
• Ho guardato il sheet con i miei occhi
• Ogni correzione verificata rifacendo timeline e critique

Domande frequenti