aria_linear_head
File size: 14,099 Bytes
ab5ae4a
9270a42
ab5ae4a
 
 
9270a42
ab5ae4a
9270a42
ab5ae4a
9270a42
ab5ae4a
 
 
 
 
 
 
9270a42
ab5ae4a
9270a42
ab5ae4a
9270a42
ab5ae4a
9270a42
ab5ae4a
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
# Aria v0.2.3.3 冷启动模型包(正式包):Model Card

- model_ver **`v0.2.3.3`**(refit L3,g 版本 3);feature_engine **native**(numpy/scipy 复刻,不依赖 Praat);seg_ver `stage0-v0.2.1.2`。
- 链路:阶段 0 段 A → native 9 变量 → L3 系数 → clip [0,10] → G6 恒等(ŵ = 0)→ g([weights/g_table.json](weights/g_table.json))→ S。常数见 [weights/model.json](weights/model.json),4 位有效数字。
- 取代 v0.2.3.2(草稿,praat-script)与 v0.2.0.1(breathiness 标签),两者的包存档在 `aria-training/artifacts/m4-model-package-v0.2.3.2/` 与 `aria-training/artifacts/m4-model-package/`。上一代发布包 v0.1-pre 见 [history/v0.1-pre/](history/v0.1-pre/model_card.md)。规格修订见 `aria-training/docs/spec-revisions.md`。

> 本卡与 `aria-training/artifacts/m4-model-package-v0.2.3.3/MODEL_CARD.md` 同源同版本。为适应本发布仓的目录布局,卡内指向训练/评估产物的链接改写为 `aria-training` 仓内路径的文字引用,并新增或改写本包专有内容(新增「本包内容」一节与「发布包自洽门」一小节,「复现」改为只列本包命令)。模型本身的数字、门结论与判定一字未改;Limitations 的条目、顺序与结论不变,仅在两条上补了本包专有说明(第 8 条:本包同时输出训练口径与产品口径两个 status;第 12 条:锁定集上未达显著)。本包不含训练与评估代码。

## 本包内容

| 路径 | 内容 |
|---|---|
| `weights/model.json` | L3 系数、clip、g 版本、冷启动阈值、dev 指标与包身份 |
| `weights/g_table.json` | 量纲链 g 的常数表(knots / p / σ)与验收记录 |
| `inference/predict.py` | 入口:`--audio`(原始录音)、`--segment-a`(段 A)、`--requests`(批量)|
| `inference/stage0/` | 阶段 0(seg_ver `stage0-v0.2.1.2`,13 个模块,与冻结预测所用代码逐字节相同)|
| `inference/native_features/` | native 九特征引擎(5 个模块,与冻结预测所用代码逐字节相同)|

依赖:numpy、scipy、soundfile、onnxruntime(只有阶段 0 的 VAD 需要)。阶段 0 的 Silero VAD ONNX 不随包分发,需自备并校验 SHA-256 `1a153a22f4509e292a94e67d6f9b85e8deb25b4988682b7e174c65279d8788e3`(`--vad-model` / `$ARIA_VAD_MODEL` / `inference/models/SileroVAD.onnx`);只走 `--segment-a` 时无需 VAD。

## 适用范围

本包是**测量内核**,不是完整的录音端产品链路。输入契约是**段 A**(16 kHz mono 波形):从段 A 往后依次计算九项特征、ABI'、S。段 A 之前的环节——从任意录音中定位并切出持续元音——不属于本包。

**已验证范围仅限 PVQD 协议复合录音经阶段 0 产出的段 A**:拟合池 212 人与 hold-out 12 人的全部样本都是这一口径下的段 A——PVQD 每个文件是持续 /a/、/i/ 加 CAPE-V 六句的复合录音(无人工句切),整文件过现行阶段 0 离线产出段 A(全部周期性区域拼接,训练口径)。**任意录音场景不在本包验证范围内**:面向任意录音的元音切割前端尚未建立,也未经验证;本包没有、也无法据此对任意录音的切分正确性、噪声鲁棒性或端到端输出作出任何声明。

## 变更追溯

| # | 变更 | 从 → 到 | 依据 |
|---|---|---|---|
| 1 | 目标标签 | CAPE-V breathiness / 10 → **CAPE-V 总体严重度均值 / 10** | Ryo 2026-10-18 第 1 项 |
| 2 | G3 CV 极差判据 | ≤ 0.10 → ≤ τ(噪声校准,本池 τ = 0.369) | Ryo 批准提案 A(规格修订 R1) |
| 3 | 「不劣于 L0」 | 严格比较 hold-out → 选级以 CV 为准,hold-out 只核 ≥ 0.70 | Ryo 方案 (iii)(规格修订 R1) |
| 4 | T_diag | 3.44 原文 → **未改,占位,待裁定** | Ryo 第 3 项挂起 |
| 5 | 特征引擎 | praat-script → **native** | 原生线审计 + 本包回归 |

## 开发指标(dev,非锁定测试;训练口径,R1/W 不排除)

| 项 | 主标签:CAPE-V 严重度 | 对照:CAPE-V breathiness(v0.2.0.1) |
|---|---|---|
| 拟合池 / hold-out | 212(normal 84 / mild 79 / moderate 31 / severe 18)/ 12 人 | 同 |
| 选中级 | **L3**(λ = 100,向已发表系数收缩) | L0 |
| CV rs 均值 L0 → L3 | 0.588 → 0.642(Δ +0.054) | 0.635 → 0.636(Δ +0.001) |
| CV 各折 rs(选中级) | 0.490 / 0.677 / 0.676 / 0.697 / 0.668 | 0.519 / 0.621 / 0.631 / 0.540 / 0.866 |
| CV rs 极差(选中级) | 0.207 | 0.348 |
| hold-out rs(L0 对照) | **0.888**(0.895) | 0.860(0.860) |
| hold-out MAE(ABI' 空间) | 1.255 | 2.146 |
| 同一模型对其他标签的 rs(拟合池 / hold-out) | breathiness 0.647 / 0.846;GRBAS-B 0.653 / 0.875 | GRBAS-B 0.664 / 0.883 |

L3 系数:b0 = 12.47;cpps −0.5062,jitter −0.3403,GNE −5.915,Hfno −1.061,HNR-D 0.06068,H1-H2 −0.004161,ShdB 4.759,Shim −0.1942,PSD 10.64。

## 锁定 Benchmark 结果(§2.5,2026-10-18 一次性执行)

比较对象:v1 冻结 CAPE-V severity 头(原生 mm,未重算,只按冻结文件哈希复用)。两侧同在 n = 57 的配对集上计算,零映射、零拟合。预测文件冻结 SHA-256 `3ff22e6a…44d69`;完整方法、终点与合规披露见 `aria-training/docs/v0233-locked-benchmark-result.md`(预测冻结记录:`aria-training/docs/v0233-locked-benchmark-prediction-freeze.md`)。

**判定:未达显著。** 主检验单侧 Wilcoxon signed-rank(方向 d > 0)W = 725,**p = 0.790005**(α = 0.05);主终点 median d = **+0.693 mm**,95% CI **[−2.408, +3.012]**(跨 0);配对符号检验 30/57,单侧 p = 0.395683。**因此不得写「v0.2.3.3 在锁定集上显著优于 v1 severity 头」。**

| 侧 | Spearman rs [95% CI] | MAE mm [95% CI] | 中位 \|误差\| mm |
|---|---|---|---|
| v1 CAPE-V severity 头 | 0.8130 [0.6983, 0.8826] | 10.951 [8.645, 13.508] | 8.593 |
| Aria v0.2.3.3(ABI′ × 10) | 0.7164 [0.5338, 0.8429] | 11.971 [9.553, 14.482] | 9.247 |

点估计上 v1 略优(mean d = −1.020 mm;v0.2.3.3 更准 30 人 / v1 更准 27 人 / ties 0),但两个独立 ρ 之差未作显著性检验,两列数字**只作描述**,不构成任何优势或劣势的显著性宣称。按作者 Category 分层同样只是描述:**Normal/Mild 两层两侧相当**(Normal n = 23,MAE 8.649 vs 8.366;Mild n = 17,MAE 7.390 vs 8.322),**Moderate/Severe 两层 v0.2.3.3 描述性偏弱**(Moderate n = 13,22.019 vs 18.532;Severe n = 4,17.883 vs 12.348);分层子样本很小(Severe 仅 4 人),不作分层结论。

intent-to-screen:原始分配 60 → 成功评分 58 → VAD 拒检 2(PT084、PT134)。v0.2.3.3 侧 **PT097 在正式包(训练口径)下 status = `rejected:R2|R5`**(SNR 9.93 dB < 10、miss_rate > 0.5),不产出预测;配对集因此为 n = 57,不插补、不替换人选。产品口径(七门全过)下同一批 58 人中 22 人可评分、36 人 `rejected:R1`,该表仅描述性、不参与任何终点。

**本结果不改变 v0.2.3.3 的适用范围表述,也不决定是否发布**(v0.2.3.3 按计划上线发布)。

### 发布包自洽门(2026-10-18)

用**本发布包自身的入口**(`inference/predict.py` 批模式)复算同一批 58 人,与冻结预测文件 `3ff22e6a…44d69` 逐人比对:`predictions.csv` **逐字节一致**(同为 SHA-256 `3ff22e6a…44d69`),逐人 ABI′ 最大 |Δ| = **0.0**(容差 1e-6);status 58/58 一致(scored 57 / `rejected:R2|R5` 1)。同时逐模块校验本包 `inference/` 的 13 + 5 个模块哈希与冻结运行的 `generation_manifest.json` 记录逐字相同,权重哈希与 §2.5 报告页眉所载包身份逐字相同。报告:`aria-training/artifacts/release-selfcheck-v0.2.3.3/selfcheck_report.md`。

## G3 重拟合门:修订后 PASS,原门 FAIL 并排披露

| 判据 | 原门(v0.2.1) | 修订门 R1 | 本包数值 |
|---|---|---|---|
| hold-out rs ≥ 0.70 | 通过 | 通过 | 0.888 |
| 不劣于原系数 | 严格 ≥ L0:**不过**(−0.007) | 不作门,仅披露 | 差 −0.007,bootstrap 95% CI [−0.26, +0.22],记为噪声内 |
| CV 极差 | ≤ 0.10:**不过** | ≤ τ = 0.369:**通过** | 0.207 |
| **结论** | **FAIL** | **PASS** | |

- τ 的定义:零模型下 5 折 rs 极差的第 95 百分位,零模型取 ρ₀ = 0.70、每折 42.4 人,按 Fisher z 抽样(Bonett–Wright SE),蒙特卡洛 10⁶ 次。观测极差 0.207 落在重新分折噪声分布的第 50 百分位。
- 原结论留档:v0.2.0.1(breathiness 标签)CV 极差 0.348,原门 FAIL。这个结论没有被重判,也没有被覆盖。
- Step 0 对等审计:native 对 praat-script 九项特征 r ≥ 0.95(|r − 1| < 1e-12)。原生线报告 §5.1 记录段 A 对原始录音的特征偏移(H1-H2 0.65、PSD 0.82),属阶段 0 层面的问题。**比较对象口径已裁定**(Ryo 2026-10-18 六项裁决第 4 项):Step 0 只判引擎对等,已过线;段 A 对原始录音的偏移记为已知限制,归阶段 0 范畴,不在本次引擎对等范围内,不回炉。

## G4 量纲链:通过

参考样本:拟合池中作者类别 Normal 的 84 人,用 L3 打分(1 个值裁剪到 0,无并列)。中位数 1.592,σ̃ = 0.884。三段 C0 连续(接点差 1.9e-9),解析严格单调;纯查表实现与参考实现最大差 1.4e-14。

## 冷启动阈值:未标定、待裁定

> **S_diag 与冷启动红线未标定,不得作为已标定结论引用。**

T_diag 按规格原文 3.44 占位(L0 ABI 诊断阈值)。在严重度标签与 L3 下,ABI' 的含义是「预测 CAPE-V 严重度 / 10」,3.44 对应 34.4 mm,这个阈值在新口径下没有定义。由此算出的数值只是占位:S_diag = g(4.128) = 99.87,T_red^cold = min(90, 99.87) = 90,T_yellow^cold = 75,防倒挂锁不触发。待 Ryo 裁定 T_diag^(3)。本包因此只输出 ABI′、y_hat_mm 与 S 三项测量值,不输出产品档位判定。

## 引擎替换回归(praat-script → native)

对照包:同一标签、同一 R1 规则、同一 g 版本,用 praat-script 特征构建(`aria-training/artifacts/m5-engine-regression/control-praat-script/`,仅作回归对照,不发布)。容差 1e-6(审计误差量级,远低于 4 位有效数字的发布精度)。

| 检查 | 结果 |
|---|---|
| 选中级 / G3 判定 | L3 / PASS,两引擎相同 |
| 发布系数(4 位有效数字) | 完全相同 |
| g 常数表、冷启动阈值 | 完全相同 |
| refit 全部数值(CV、hold-out、λ 曲线等) | 最大差 5.6e-8 |
| dev 指标 | 最大差 2.4e-11 |
| 逐端点 ABI'(2,352 端点,2,167 两边可评分) | 最大 \|Δ\| 5.1e-9 |
| 逐端点 S | 最大 \|Δ\| 5.3e-8,中位数 0 |
| 拟合池 234 段(233 可评分) | ABI' 最大 \|Δ\| 8.9e-10,S 最大 \|Δ\| 6.4e-8 |
| 只一边可评分 | 0 |

单元测试:126/126 通过(`aria-training/artifacts/m5-engine-regression/unit-tests.txt`),包括原生线 18 项,以及 abi_praat 空段 A 修复的 2 项回归测试。

## Limitations 与偏差清单

1. **适用范围限于 PVQD 协议复合录音经阶段 0 产出的段 A**(见上「适用范围」)。本包验证过的输入只有这一口径下的段 A;面向任意录音的元音切割前端未建、未验证,任意录音场景不在本包验证范围内。本项不改变模型数值、门结论与发布状态。
2. **T_diag 未标定**(见上);冷启动红线不能用于产品结论。
3. G3 按修订门 R1 通过;按原门 0.10 不通过。两者并排披露。
4. hold-out 只有 12 人,rs 的 CI 很宽;L3 与 L0 在 hold-out 上的差在噪声内。
5. 段 A 与原始录音之间的特征偏移(12 人上 ABI r = 0.954)。Step 0 的比较对象已裁定(2026-10-18 第 4 项):只判引擎对等,已过线;本项偏移记为已知限制,属阶段 0 范畴,不回炉。
6. native 引擎复刻的是 arm64 上 parselmouth 0.4.7(Praat 6.1.38,FMA 舍入)的数值;对 x86 Praat 基准未验证,预期 CPPS 有约 1e-3 dB 量级的平台差。
7. 段 A 是 16 kHz,经 sinc 重采样到 44.1 kHz;Hfno-6000 的 6–10 kHz 分母只有重采样残余。
8. 训练口径:R1/W_窗数 不排除(裁决),产品口径不变。本包同时输出两个口径的 status(`status` = 训练口径,`status_product_caliber` = 七门全过),两个口径下可评分人数差别很大(§2.5 锁定 58 人:57 vs 22)。
9. G6 修正器未激活(ŵ = 0)。
10. 阶段 0 已知偏差:WADA 模拟重建表、q_codec 停用、距离档占位、T60/元音样检测器为占位实现。
11. 个人化参数(σ_floor、σ_CVA、w_base)未出。
12. **§2.5 已运行**(2026-10-18 一次性锁定测试,结果见上「锁定 Benchmark 结果」);60 名锁定说话人未进入任何拟合、调参或参考集。锁定集上未达显著:v0.2.3.3 与 v1 冻结 severity 头的精度差异不显著。
13. 非医疗产品:输出为嗓音状态参考,不是诊断。

## 复现

只用本包(无训练依赖):

```bash
python -m pip install numpy scipy soundfile onnxruntime

# 已切好的段 A(本包验证过的输入口径)
python inference/predict.py --segment-a segment_a.wav --out out.json

# 原始录音(阶段 0 + 段 A + 特征 + ABI' + S;需自备 VAD ONNX)
python inference/predict.py --audio rec.wav --vad-model /path/SileroVAD.onnx --out out.json

# 批量:requests.jsonl 每行 {"audio_path","audio_sha256","distance_cm","speaker_id"}
python inference/predict.py --requests requests.jsonl --dataset /path/PVQD \
    --vad-model /path/SileroVAD.onnx --outdir out/
```

训练、重拟合与锁定评估的复现命令在 `aria-training` 仓(`docs/m1/README.md`、`docs/v0233-locked-benchmark-result.md` §9);本包不含训练代码与任何测试标签。

SHA-256:`weights/model.json` `4415d3fd…56c0`,`weights/g_table.json` `4cc7d521…a385`(见 `SHA256SUMS`)。