EngineEar AI

你好，Product Hunt，

我们打造 EngineEar AI，是因为我们坚信发动机声音所承载的信息远超人们通常的认知。发动机不只是单纯地"运转"——它通过振动、排气节奏、气门咔哒声、喷油器时序向外吐露自身的状态。这些都是信号，而现代音频模型已经能够悄无声息地将它们解读出来。

我们最引以为豪的功能是磨损评估：当 AI 聆听你的发动机时，它并非仅仅寻找单个故障，而是将整体声学特征与同款同年代同里程的车辆应有的声音进行比对。如果一辆 5 年车龄、5 万公里的车，听起来却像跑了 20 万公里的老黄牛，这本身就是值得了解的信息。它并非最终诊断结论，但可以作为一个数据点，带给你的技师，让你有备而来，而不是凭感觉猜。

其他一切都围绕这个理念展开。引导模式会引导你完成 30 秒怠速 + 50 秒拉高转速的录音，以便模型获取干净的信号。自由模式则让你按自己的方式录音。车辆管理部分完全免费——多辆车档案、油耗记录、带提醒的保养计划、费用统计、备份与恢复——这样 AI 才有完整的车辆上下文作为比对基础。只有分析诊断本身需要订阅。

有一点先说在前面：识别质量取决于麦克风。手机内置麦克风会衰减承载最多诊断信号的低频与高频，而环境噪音会进一步放大这一差距。由于不同手机、不同环境之间存在差异，AI 会倾向于宁可多报——有时会标出连技师都不以为意的发现。在安静的环境下，用一个还不错的外部麦克风夹在发动机附近，评估结果会相当精准。而如果在风大的停车场直接用手机录音，请对单条结论保留几分怀疑，多关注整体趋势。

非常希望听到你的反馈：

– 用你自己的车试一下引导模式，告诉我们诊断结果 + 磨损评估是否与你知道的车况相符。

– 车库里的"一次性服务事件"标记，是否符合你追踪保修延长或季节性换胎之类事项的实际方式？

– 在结果呈现上，有哪些地方会降低你的信任感——缺少置信度指标？术语过多？紧迫感尺度不合理？

感谢你的关注，也感谢你的真诚反馈。