~/教學/SFX.md

文章 / AI 工具

Claude Code 做的影片音效很假?3 個免費工具:earshot、real-sound、Openverse API

音效亂放、爆音、素材庫找不到那一聲:用 earshot 用程式做音效、real-sound 對準那一格畫面、Openverse API 找 500 萬個 CC 授權音訊,附可以直接貼的 prompt。

我以前用 Claude Code 做的影片,畫面很順,音效卻一聽就假:不是亂放,就是爆音。專業剪輯其實只看兩件事:位置對、音量對。這篇是 Reels 裡 SFX 那支影片的完整版:先看修好前後的差別,再一個一個講 3 個免費工具:earshot(找不到的聲音用程式做)、real-sound skill(讀時間軸,把聲音對準那一格)、Openverse API(五百多萬個 CC 授權音訊,Claude 自己搜、自己下載),每個都附可以直接貼給 Claude 的 prompt。

01先看結果:音效對準畫面,音量壓在旁白下面

時間軸卡片 AFTER:標題、按鈕、logo 三個動作,下面三段綠色的真實波形 whoosh、pop、thud 剛好對在動作上,音量 -16 LUFS
修好後:每個音效都在動作那一格,整支片 -16 LUFS。波形是這支片真的用到的音檔。

同一條時間軸,修好前是這樣:音效晚了半拍,而且三個都爆音(波形頂部被削平)。

時間軸卡片 BEFORE:紅色的 BOING、WHOOSH、DING 都比動作晚,波形頂部被削平,音量條在紅色區
修好前:音效晚半拍又爆音,波形頂部被削平。
  1. 位置:音效放在動作發生的那一格(logo 出現、按鈕被按下),不要晚 0.3 秒。
  2. 音量:旁白永遠最清楚,音效比旁白低很多;整支片大約 -16 LUFS(手機上看的影片常用的響度)。
  3. 少就是多:一個動作一個聲音,不要每個轉場都加 whoosh。
兩張卡片:位置(音效方塊吸到動作線上,對準畫面)和音量(指針從紅色區轉到 -16 LUFS)
專業剪輯只看兩件事:位置和音量。

02第 1 個工具 earshot:找不到的聲音,用程式做一個

GitHub 上 earshot 的 About:Ears for coding agents,CPU-only, open source,MIT license,4k stars
官方 GitHub:earshot,MIT 開源,只用 CPU。(2026-11-06 截圖)

earshot 是給 Claude Code 這類 coding agent 用的「耳朵」:能聽、能檢查、也能做音效。做音效的部分(sfx、kit)內建 252 個用程式寫成的音效,用 id 就能渲染,不用下載模型、不用連網。

earshot README 的指令範例:sfx list、sfx render(--dur、--apex)、sfx check、kit init、kit render
官方 README:sfx render 把音效對準畫面,kit 一次做整套音效包。
  1. 需要 Python 3.10 以上和 ffmpeg / ffprobe。
  2. git clone https://github.com/Leonxlnx/earshot,照 README 建 .venv,裝 CPU 版 torch,再 pip install -e ".[mcp,llm,dev]"。
  3. 把 repo 裡的 skills/earshot 複製到你專案的 .claude/skills/(或 ~/.claude/skills/)。
  4. 想讓 Claude Code 直接呼叫:claude mcp add earshot --scope user -- <earshot 的 .venv python> -m earshot mcp。
  5. 跑 earshot doctor 確認安裝沒問題,再把下面的 prompt 貼給 Claude Code。
請 Claude Code 用 earshot 做一個音效(換成你的片)
(先照 https://github.com/Leonxlnx/earshot 的 README 安裝 earshot,並把 skills/earshot 複製到 .claude/skills/)

幫我的[片頭的哪個動作,例如 logo 出現]做一個上升的 whoosh:
- 先用 earshot sfx list --kind whoosh 找最接近的音效
- 再用 earshot sfx render 對準畫面(--dur 長度、--apex 對到動作最高點的時間)
- 每個音效都跑 earshot sfx check,沒有爆音、沒有被切掉的尾音才可以用
Vivian 的 3D 書桌,筆電上是 earshot 的 README,sfx render 那一行被標黃、kit init 那一行被圈起來,旁邊貼紙寫 252 個音效・用程式渲染
影片裡的 earshot 畫面:標起來的就是做音效用的兩個指令。

03第 2 個工具 real-sound skill:讀時間軸,對準那一格

real-sound 的 SKILL.md 流程表:0. cue list(sync frames computed from the picture code)、brief、sourcing、licence audit
官方 SKILL.md:第一步就是從畫面程式碼算出每個聲音要對準的格數。(2026-11-06 截圖)

real-sound 是同一個 repo 裡的 Claude skill,專門幫程式做出來的影片(Remotion、HyperFrames、three.js、GSAP…)配音效:先列出 cue list(每個需要聲音的瞬間在哪一格),再只用真實、有授權的錄音,放在對的格數、對的音量,最後量測 QA、寫 credits。它不會自己生成聲音。

  1. 把 https://github.com/Leonxlnx/earshot/tree/main/skills/real-sound 整個資料夾複製到 .claude/skills/real-sound。
  2. 它附的 Python 程式需要一個裝了 earshot 的 Python(就是上一步的 .venv)。
  3. 在影片專案裡開 Claude Code,貼下面的 prompt。
請 Claude Code 用 real-sound 配音效
(把 https://github.com/Leonxlnx/earshot/tree/main/skills/real-sound 複製到 .claude/skills/real-sound)

用 real-sound 幫這支影片做音效:
1. 先從畫面程式碼算出 cue list(out/cues.json),每個需要聲音的瞬間對到哪一格
2. 只用真實錄音(Freesound CC0 / CC BY),每個檔案都要檢查授權並寫進 credits
3. 音效放在對的格數、對的音量:旁白永遠最清楚,整支片 -16 LUFS 左右
4. 最後跑 QA,告訴我哪裡有爆音、被蓋掉或對不準
Vivian 的 3D 書桌,筆電上是 real-sound 的流程表,cue list 那一列被圈起來,綠色印章寫對準那一格
影片裡的 real-sound 畫面。

04第 3 個工具 Openverse API:五百多萬個授權音訊,Claude 自己搜、自己下載

Openverse 是開放授權媒體的搜尋引擎,音訊部分有 5,223,435 筆(Wikimedia Commons、Jamendo、Freesound,2026-11-06 查)。它的 API 不用金鑰(匿名每分鐘 20 次、每天 200 次),所以 Claude Code 可以自己搜、自己下載。這支影片裡的音效,就是我用它找的 CC0 音效。

Openverse API 回傳的 JSON:result_count 240,第一筆 title Deep Whoosh #1、creator Kinoton、license cc0、來源 freesound
真實的 API 回應:搜尋 whoosh + cc0,有 240 筆。
  1. 不用註冊、不用金鑰:網址就是 https://api.openverse.org/v1/audio/?q=whoosh&license=cc0。
  2. 把下面的 prompt 貼給 Claude Code,它會用 curl 或 Python 搜尋、下載、寫 credits。
  3. 下載後自己聽一次,再放進時間軸(位置對、音量對)。
請 Claude Code 用 Openverse 找音效(換成你要的聲音)
用 Openverse API 幫我找 3 個 CC0 的 whoosh,下載到 sfx/:
- 搜尋:GET https://api.openverse.org/v1/audio/?q=[音效關鍵字,例如 whoosh]&license=cc0(不用金鑰)
- 只選 license 是 cc0 的結果,下載 results[].url 的音檔
- 每個檔案記下 title、creator、foreign_landing_url,寫進 sfx/CREDITS.md
- 下載完用 ffmpeg 量長度和峰值,告訴我哪一個最適合[用途,例如 0.5 秒的轉場]
Vivian 的 3D 房間,牆上螢幕是 Openverse API 的 JSON,桌上排著 whoosh、riser、pop、thud、click、ding、typing 七個音效方塊,貼紙寫 5,223,435 個 CC 授權音訊
影片裡的 Openverse 畫面。
這支片的音效 CREDITS 卡片:digital_whoosh_soft、Riser、Hollow pop、DullThud,四個都是 CC0,via api.openverse.org
這支片真的用到的音效,全部是 Openverse 找到的 CC0 Freesound 音檔。

05要注意

  1. 這支片的音效是我用 Openverse API 找的 CC0 音檔;earshot 和 real-sound 我沒有在這支片裡跑,上面的步驟照兩個工具的官方 README / SKILL.md 整理。
  2. earshot 的「聽」功能第一次會下載約 1.1 GB 的模型;只用 sfx / kit 做音效不需要。
  3. Openverse 匿名使用有次數限制(每分鐘 20 次、每天 200 次),一次搜尋就能拿到 20 筆,夠用。
  4. 每個音檔都要看授權,下載時把作者和連結寫進 CREDITS.md,之後放說明欄也方便。
  5. 這篇是在主頁連結輸入關鍵字 SFX 找到的,不會私訊。

資料來源

延伸閱讀