实时检测是在短窗口里不断重新估计
持续发出一个元音时，波形也不会完全重复。呼吸、声带微小变化、房间反射和麦克风自动增益都会进入采样。窗口太短，响应快但证据不足；窗口太长，数字更稳却跟不上滑音和起音。实时产品必须在“及时”和“可信”之间选择，而不是追求一条绝不移动的假直线。
轨迹跳动常见于四种情况
- 声音刚开始：起音包含气流和暂态，周期结构尚未稳定。
- 音量太低：环境噪声在窗口中占比变大，算法可能追踪错误周期。
- 泛音更突出：基频较弱时，结果可能暂时跳到高一倍或低一倍的位置。
- 声音正在换音：真实音高本来就在移动，过度平滑反而会隐藏变化。
因此“返回一个数字”还不够。每一帧还需要质量判断，决定它能否推动挑战进度、只用于显示，还是应该暂时丢弃。
FrostNote 怎样使用置信度
FrostNote 只在音量达到门槛、周期证据可靠且音高落入合格区时增加保持进度。短暂掉音不会立刻清空已经积累的进度，明显离开目标则停止增长。目标附近的显示会平滑聚焦，但不会为了好看把唱高、唱低的数据强行拉回中心。
第一次舒适音区引导不会取用户发声的第一个数字，而是收集一段较稳定的基频，再用中位数推荐相邻音区。中位数能够降低少量八度误判和起音异常对推荐的影响，但它仍只是本次发声的起点，不是永久声域认证。
稳定的界面不等于篡改测量
工程上可以分别处理“检测结果”和“显示视窗”：前者保留真实估计，后者以固定节奏平滑调整范围。FrostNote 初始显示较宽音域，捕获稳定音高后再收窄到目标附近；失声或长期不稳定时重新放宽。这样既能看到整体位置，也不会让坐标轴跟着每一帧抖动。
练习建议在安静环境中保持麦克风距离，先用自然音量发出稳定元音，再观察中段轨迹。不要用第一个点或最后一个点评价整次发声。
为什么这项检测留在浏览器本地
实时训练需要低延迟，却不需要长期保存声音。FrostNote 在浏览器内完成麦克风采集和基频估计；服务端统计不接收原始录音、声纹或逐帧音高轨迹。挑战回放只在当前页面内存中保存，刷新或离开后不作为账户资料保留。