一个音效库，里面装着201种声音，却没有一个音频文件。开发者 Leon Lin 发布的 Earshot v0.3，把这件事做成了开源工具——所有音效都在 CPU 上实时生成，不依赖外部采样包。

对 Coding Agent 来说，这意味着它在写代码的同时，也能自己"造"出需要的声音，不必再去外部找素材、下载文件、处理格式。

支持者会认为，这是程序化内容生产链条上补上的关键一环。过去 Coding Agent 能生成画面、能写交互逻辑，唯独音频这一块要靠人手动接入，工具链在这里断了一截。Earshot v0.3 把这一截接上了：声音由代码生成，风格由代码控制，对齐也由代码完成。

谨慎的一方则会盯着另一个问题：201种声音够不够用。纯代码合成的音效在一致性上有优势，但在质感、层次和复杂场景的覆盖上，能否替代成熟的采样库，素材本身没有给出答案。工具解决的是"有没有"和"同步不同步"，至于"好不好听"，是另一套评价体系。

我的判断偏向实用一侧。Earshot v0.3 真正有价值的不是那201个声音，而是它把音频变成了 Coding Agent 可以直接操作的对象。

新版本引入的 'kit' 功能就是这种思路的体现：基于代码模板一键生成完整的音效套装，比如按钮按下、滑动等多种状态的声音，风格保持一致。原型设计阶段最烦的音频集成工作，被压缩成一次生成。

另一个被强化的能力是 'earshot sfx' 算法。它能把特定音效片段精确锚定到视频或动画的特定帧上。程序化内容生成里常见的音画不同步问题，在这里被当作核心问题来处理——不是靠后期手动拖时间轴，而是在生成阶段就对齐。

这套能力已经接入动态设计工具 Cinetic。在代码驱动的视觉动画设计流程中，Earshot 可以自动加入并对齐相应的音频效果，让纯代码驱动的动效生产多了一段音频环节的自动化。

把三件事放在一起看：声音由代码生成、套装由模板生成、对齐由算法完成。Coding Agent 拿到的不只是一个音效库，而是一套可以自主调用的音频能力。至于这套能力最终能做出什么水准的作品，取决于用它的人怎么定义"够用"。