四轮测试分别回答四个问题
| 轮次 | 保持不变 | 主动改变 | 回答的问题 |
|---|---|---|---|
| A：同文件重复 | 音频字节与系统版本 | 只重复提交 | 计算流程是否一致 |
| B：同条件重录 | 设备、语句、距离、房间 | 重新说一遍 | 自然表达会带来多少变化 |
| C：单变量测试 | 其余条件 | 只改距离、设备或环境之一 | 某个变量的影响方向 |
| D：跨版本回归 | 固定音频样本 | 系统版本 | 更新是否改变结果 |
把这些测试混在一起，会把人的自然变化、录音条件和程序变化归入同一个“稳定/不稳定”结论。
开始前先留下最小记录
记录设备与浏览器、麦克风选择、房间、嘴到麦克风的大致距离、是否开启系统降噪、使用的语句、录制日期和页面版本。文件测试还应保存原文件，而不是用聊天软件转发后的副本，因为转发可能重新编码。
推荐选择一段自然完整句子，不要只拉长一个元音。句子应包含正常停顿与多个发音位置，但每次读法尽量接近。正式比较前先录一次练习，降低第一次面对麦克风时的紧张变化。
不要只比较最后一个标签
主标签可能由多个相近候选竞争产生。即使底层音高、明亮度和稳定度只改变一点，两个接近的模板也可能交换顺序。应同时比较录音是否通过质量检查、主要维度变化、前三候选顺序和最终标签，而不是把任何文字差异都视为彻底失效。
CVoice 对同一文件采用确定性处理，并根据文件摘要保持同一份输入的细微展示一致；重新录制产生新文件，真实声学特征和文件摘要都会改变，因此结果允许有合理波动。
怎样写出诚实的测试结论
- 如果 A 不一致，优先检查系统版本、异步失败、随机过程或缓存。
- 如果 A 一致而 B 波动，重点观察表达状态和录音控制。
- 如果 C 只有某一种设备明显偏移，应排查自动增益、降噪与频率响应。
- 如果 D 改变，应在更新记录中说明原因，保留可回测样本。
不要做的事不要为了得到喜欢的标签连续录制后只保留最好的一次，再把它当成系统准确性证明；也不要购买或制造大量重复流量来“测试广告或排行”。可复现测试的目标是发现原因，不是挑选结论。
可以直接使用的记录模板
测试目的：同文件一致性／重录波动／单变量／跨版本。
固定条件：设备、浏览器、语句、距离、环境。
改变条件：一次只写一个。
观察项目：质量状态、主要维度、候选顺序、异常提示。
结论边界：本次结果能说明什么，不能推广到什么。