核心功能
H-ear 是一款面向 AI 代理的声音智能中间件，通过 API 将环境音频实时转化为结构化语义标签。其核心能力包括：
- 单/批量音频分类：支持 521+ 声音类别（覆盖 3 种分类体系），返回置信度评分
- 实时预警订阅：对特定声音类型启用 webhook 推送，适用于安防监控、设备异常检测等场景
- 异步任务管理：批量任务通过 OpenClaw 网关自动路由回调，无需用户配置外部端点
显著优势
1. 企业级声纹库：521+ 预训练类别覆盖工业、城市、自然等多场景，减少自定义训练成本
2. 零基础设施负担：Webhook 由网关托管，用户仅需关注业务逻辑
3. 灵活认证模式：支持 API Key 与 OAuth Bearer Token 双轨认证，便于集成到现有 IAM 体系
潜在局限
- 音频来源依赖：需自行解决音频采集与 URL 托管（不支持直接麦克风输入）
- 异步结果延迟：批量任务依赖网关回调，网络波动可能影响实时性
- 厂商锁定风险：分类模型与 taxonomies 由 H-ear 独家维护，迁移成本较高
适合人群
- 需要音频事件驱动自动化的企业（智能安防、工业 IoT、内容审核）
- 已使用 OpenClaw 网关、希望扩展感知层能力的 AI 工作流开发者
- 缺乏音频 ML 团队但需快速上线声音识别功能的中小团队
常规风险
- 数据隐私：音频 URL 需传输至 H-ear 服务器，敏感场景建议前置加密或边缘预处理
- 配额管理：API 按分钟/调用计费，需监控
quota.warning事件避免服务中断 - 误报成本：声音分类的置信度阈值需业务层二次校验，避免自动触发高风险动作