AI 用法與工具

用 Claude 剪影片配音效:Openverse、MMAudio、earshot 三個開源工具實測

讓 AI 幫你找音效、生音效,還會自己聽。三個工具的用途、安裝方式、授權注意事項,以及我實際測試的結果。

用 Claude 剪影片,最花時間的常常不是剪,是找音效。影片裡提到的三個開源工具整理在這裡,我也實際測試了 Openverse 和 earshot,結果寫在各段裡。

先說清楚:它們都不是按一下就裝好的外掛,要搭配 Claude Code 一起用。下面的指令可以直接複製,或把這頁貼給 Claude,請它幫你裝。

1. Openverse:找可以用的音效

Openverse 是開放授權的媒體搜尋引擎,光音訊就超過 500 萬筆,真正的音效大多來自 Freesound(大約 59 萬個)。它有免費的 API,不用申請帳號,Claude 可以直接用它搜尋、下載。

我的實測:請 Claude 用 API 搜尋「whoosh」,並且只找可以商用的授權:

curl "https://api.openverse.org/v1/audio/?q=whoosh&license_type=commercial"

回傳的結果有標題、授權(CC0、CC BY 等)和下載網址。我挑了一個 CC0 的「Swipe Whoosh」(qubodup/Freesound)直接下載,影片裡 Openverse 那段的「咻」一聲就是它。

你可以直接跟 Claude 說:

用 Openverse 的 API 幫我找 5 個 whoosh 音效,只要 CC0 或可以商用的授權,下載到 sfx 資料夾,並把作者和授權列成清單
  • 影片要商用的話,記得加上 license_type=commercial,或叫它只找 CC0。
  • CC BY 授權可以商用,但要在說明欄標註作者。

連結:https://openverse.org

2. MMAudio:看影片畫面直接生成聲音

MMAudio 不是去音效庫找,而是看你的影片畫面,生成對得上動作的聲音(CVPR 2025 論文,伊利諾大學和 Sony AI 的研究團隊)。

要注意兩件事:

  • 要 NVIDIA 顯卡:官方說明推論大約用 6GB 顯示記憶體,安裝時要選 CUDA 版的 PyTorch。沒有 NVIDIA 顯卡的電腦(例如 Mac)不適合在本機跑。
  • 授權:程式碼是 MIT,但模型權重是 CC-BY-NC 4.0(非商業)。官方也說訓練資料各有授權,不保證適合商用。商用影片請特別注意。

沒有顯卡的話,可以先用官方提供的線上 Demo(Hugging Face、Colab)試試看效果。

連結:https://github.com/hkchengrex/MMAudio

3. earshot:讓 Claude 自己聽

這是我最推的。它就像給 Claude 裝了一對耳朵:音效配上去之後,它會聽一遍,告訴你哪個音效比畫面晚了幾十毫秒、哪裡太大聲,Claude 再照著改。只用 CPU 就能跑,MIT 授權。

安裝(需要 Python 3.10 以上和 ffmpeg):

git clone https://github.com/Leonxlnx/earshot && cd earshot
python -m venv .venv
.venv/bin/python -m pip install torch --index-url https://download.pytorch.org/whl/cpu
.venv/bin/python -m pip install -e ".[mcp]"
.venv/bin/python -m earshot doctor --load

第一次用會下載大約 1GB 的模型,我的 Mac 下載 33 秒。

常用指令:

.venv/bin/python -m earshot timeline 影片.mp4 --video 影片.mp4   # 逐秒聽寫:音量、音效、跟畫面切換對不對得上
.venv/bin/python -m earshot critique 影片.mp4 --video 影片.mp4   # 打分數+最該先修的問題
.venv/bin/python -m earshot sheet 影片.mp4 -o sheet.png          # 畫出一張圖(畫面、頻譜、音量)

我的實測:拿上一支 2 分 22 秒的影片給它聽,timeline 大約 35 秒就跑完。它抓出:

  • 整支音量太小(-18.6 LUFS,網路影片建議約 -14)
  • 沒有背景音樂
  • 85 個畫面切換中,有 11 個沒有配到音效

我照它的建議把音量拉到 -14 LUFS,再讓它聽一次,量到 -14.4 LUFS,落在建議範圍內。

幾個提醒:

  • 它的評分是跟「產品發表影片」比,所以「沒有配樂」對口播影片不一定要照改,我的影片就刻意不放配樂。
  • 聲音分類的標籤(例如 tech house music?)常常不準,官方自己也說只是提示。
  • 它裡面還內建 252 個用程式做出來的音效(earshot sfx list 看清單、earshot sfx render 輸出),可以直接拿來用。
  • 想讓 Claude Code 直接呼叫它,可以用 MCP 模式(earshot mcp),這部分我還沒實測。

連結:https://github.com/Leonxlnx/earshot

這支影片的音效從哪來

影片裡的音效全部來自這兩個工具,沒有用其他音效庫:

  • earshot 內建音效庫:26 個(按鈕 pop、咻聲、撞擊、敲桌、打字、提示音、波形出現聲等),同一類準備好幾種輪流用,聽起來才不會一直重複。
  • Openverse 下載的 CC0 音效(都來自 Freesound,公開領域):
    • Swipe Whoosh — qubodup
    • Bubble Pop — Mafon2
    • Chime Notification — Jofae
    • Page Flip — qubodup
    • Stamp — kermite607

最後再讓 earshot 聽一遍:畫面切換有配到聲音的比例 80%(換音效之前是 76%),整體音量 -14.0 LUFS。

小希推薦的用法

  1. 先用 Openverse 找現成的音效,或用 MMAudio 生成。
  2. 配上去之後,讓 earshot 聽一遍,把沒對到的地方抓出來,再請 Claude 修。

以前光找一個音效就要花半天,現在可以先交給 AI,你只要做最後確認就好。


想製作類似的影片、網站或 AI 自動化嗎?查看合作方式並留下需求:https://commission.i-am-xi.com/

前往工具 ↗

Claude Code音效影片剪輯OpenverseMMAudioearshot開源
AI 用法與工具

園遊會影片我一刀沒剪:ChatGPT 挑風格、Claude 幫我剪

園遊會影片怎麼剪?我用 ChatGPT 選風格、Flow Music 做配樂,再請 Claude 先討論剪輯計畫,確認後才動手。這裡是影片的圖文版,提示詞可以直接複製。

AI 用法與工具

人不在電腦前,用手機的 Codex 看電腦上的 AI 跑到哪

Claude Code 在電腦上跑,人卻在外面等晚餐?把電腦版 Codex 和手機的 ChatGPT 配對起來,就能用手機叫 Codex 去看電腦上的進度。這裡是影片裡的設定步驟圖文版。

AI 用法與工具

一句話剪出第一支影片:完全新手用 Claude 的起手式

完全沒接觸過 AI 剪片的人,第一支影片可以從一句話開始。這裡整理影片裡的指令、模型怎麼選、不喜歡怎麼改,還有我實測的結果。

加入 LINE

想第一時間收到新影片和完整提示詞,加入小希的 LINE

LINE加入小希的 LINE
LINE官方帳號 與我聯繫與我聯繫