Openverse und earshot: Freie Bilder und Sounds mit Claude finden

Ein Imagevideo fürs Hotel ist fertig geschnitten, es fehlt nur noch der Ton: Vogelgezwitscher am Morgen, ein Bach, vielleicht Kuhglocken von der Alm. Früher hieß das stundenlang in Sound-Archiven stöbern, Lizenzen lesen, Probe hören. Heute erledigt das Claude. Mit 2 Werkzeugen, die beide nichts kosten: Openverse zum Suchen und earshot zum Hören.

Openverse: die Suchmaschine für freie Medien

Openverse ist eine Suchmaschine für Bilder und Audio, die frei lizenziert sind, also unter Creative Commons stehen oder gemeinfrei sind. Sie gehört zum Umfeld von WordPress und durchsucht zahlreiche Quellen auf einmal. Stand heute sind das rund 915 Millionen Bilder aus 52 Quellen, darunter Flickr und Wikimedia, und gut 5,2 Millionen Tonaufnahmen von Jamendo, Freesound und Wikimedia.

Das Beste daran: Openverse hat eine offene Schnittstelle unter api.openverse.org/v1. Ohne Anmeldung, ohne Schlüssel. Wer im Browser https://api.openverse.org/v1/audio/?q=birds aufruft, bekommt sofort eine Trefferliste zurück. Jeder Treffer bringt alles mit, was man braucht:

• Titel, Urheber und die Quelle
• den direkten Link zur Datei
• die Lizenz samt Version, zum Beispiel CC0 oder CC BY 4.0
• Schlagworte und bei Musik das Genre
• eine fertige Quellenangabe zum Einfügen

Gefiltert wird über die Adresse. Die wichtigsten Angaben:

• q: der Suchbegriff, am besten auf Englisch
• license: erlaubte Lizenzen, z. B. cc0,by,by-sa
• license_type=commercial: nur Lizenzen, die geschäftliche Nutzung erlauben
• category: bei Audio music, sound_effect oder podcast, bei Bildern photograph oder illustration
• source: nur eine Quelle, z. B. freesound

Ohne Anmeldung sind 20 Abfragen pro Minute und 200 pro Tag drin, und eine Suche liefert höchstens 240 Treffer. Für die Arbeit mit Claude reicht das locker. Wer mehr braucht, kann sich bei Openverse kostenlos einen eigenen Zugang registrieren.

earshot: Ohren für die KI

Hier liegt der Haken: Claude findet zwar 50 Vogelaufnahmen, hören kann es aber keine einzige davon. Ob da wirklich eine Amsel singt oder im Hintergrund die Autobahn rauscht, weiß die KI nicht. Sie liest nur Titel und Schlagworte.

Genau dafür gibt es earshot, ein Open-Source-Projekt von Leon Lin auf GitHub (MIT-Lizenz). Der Untertitel sagt alles: „Ears for coding agents“, Ohren für KI-Agenten. earshot macht aus einer Tondatei etwas, womit die KI arbeiten kann:

• describe: wie klingt die Datei, in Worten und mit Messwerten
• match und rank: wie gut passt eine Beschreibung, und welche von 20 Dateien passt am besten
• find: die beste Stelle in einer langen Aufnahme, auf die Sekunde genau
• realness: echte Aufnahme oder am Computer erzeugt
• measure: Lautheit, Spitzenpegel, Rauschen, ganz ohne KI-Modell
• timeline und critique: einen ganzen Film durchhören, mit Zeitstempeln und einer Bewertung im Vergleich zu professionellen Produktvideos

Alles läuft am eigenen Rechner, ohne Cloud. Die Tondateien verlassen den Computer nicht. Nur eine Zusatzfunktion schickt Audio an Google Gemini, und die fragt vorher ausdrücklich nach.

So bringt man beides in Claude

Openverse: nichts zu installieren

Claude Code kann Webadressen selbst abrufen. Es reicht, Claude zu sagen, was man sucht, und auf die Schnittstelle hinzuweisen:

Such mir über die Openverse-API (https://api.openverse.org/v1/audio/)
Vogelgezwitscher am Morgen, nur CC0 oder CC BY, als Soundeffekt.
Lade die 10 besten Treffer in den Ordner sounds/ und notier mir die Quellenangaben.

Claude baut die Abfrage, liest die Treffer, lädt die Dateien und legt eine Liste mit Lizenz und Urheber an.

earshot: einmal einrichten

earshot wird mit dem Python-Werkzeug uv installiert und dann als MCP-Server in Claude eingetragen. Wie MCP-Server am eigenen Rechner funktionieren, habe ich im Beitrag über den lokalen Hostinger-Server beschrieben. Hier sind es 3 Befehle im Terminal:

uv tool install "earshot[mcp] @ git+https://github.com/Leonxlnx/earshot"

earshot doctor

claude mcp add -s user earshot -- earshot mcp

Der erste Befehl installiert earshot. Er lädt dabei einige große KI-Bibliotheken herunter, das dauert ein paar Minuten. Der zweite prüft, ob alles da ist. Der dritte trägt earshot in Claude Code ein. Danach eine neue Claude-Sitzung starten. Die erste Hörprobe braucht 20 bis 60 Sekunden, weil die Modelle geladen werden, danach geht es schnell.

Das Zusammenspiel

Ab jetzt kann man Claude Dinge sagen wie:

Hör dir die Dateien in sounds/ an und sag mir, welche am ehesten
nach "birds singing at dawn in a quiet forest" klingt.
Schneid die besten 8 Sekunden heraus und prüf, ob Verkehrslärm drin ist.

Claude ruft dann rank, find und describe auf und kommt mit einer Antwort zurück, die man nachvollziehen kann: welche Datei gewinnt, an welcher Stelle, wie laut, und was sonst noch zu hören ist. Probehören sollte man am Ende trotzdem selbst. Aber statt 50 Dateien sind es 2 oder 3.

Ein Tipp aus der Praxis: Beschreibungen für earshot auf Englisch formulieren. Die Modelle dahinter wurden mit englischen Beschreibungen trainiert und treffen damit deutlich besser.

Worauf man bei den Lizenzen achten muss

• CC0 und gemeinfrei: frei verwendbar, auch geschäftlich, ohne Nennung.
• CC BY: frei verwendbar, aber mit Nennung von Titel, Urheber und Lizenz. Die fertige Quellenangabe aus Openverse kann man übernehmen, im Video etwa im Abspann oder in der Beschreibung.
• CC BY-SA: wie CC BY, und eine Bearbeitung muss unter derselben Lizenz weitergegeben werden.
• Alles mit NC („non commercial“): für Hotels, Betriebe und Agenturen tabu. Ein Imagevideo ist Werbung, also geschäftlich.
• ND („no derivatives“): nicht bearbeiten. Einen Sound zu kürzen kann schon als Bearbeitung gelten.

Und noch ein wichtiger Punkt: Openverse übernimmt die Angaben der Quellen, es prüft sie nicht. Bevor etwas in einem Kundenprojekt landet, lohnt der Klick auf die Originalseite, um die Lizenz dort zu bestätigen.

Mein Fazit

Openverse und earshot sind ein starkes Duo. Das eine findet in Sekunden Material, das man rechtlich sauber verwenden darf, das andere sortiert aus, was nicht passt. Claude verbindet beides und schreibt die Quellenangaben gleich mit. Für Hotels und kleine Betriebe, die ihre Videos, Reels und Präsentationen selbst machen, ist das eine echte Abkürzung. Die Entscheidung, ob es gut klingt, bleibt aber bei uns.