口哨有音高，为什么不能当作说话声分析

最危险的失败不是报错，而是一本正经地给出结果

口哨、哼唱和电子纯音都可能有清晰的周期，因此音高检测器能够返回稳定数值。如果后续流程只检查“是否检测到基频”，这些声音就会进入主音色、年龄感或性别倾向计算，最终生成格式完整、含义却站不住脚的报告。

声音系统不应该把“能计算”偷换成“适合解释”。在 CVoice 中，特殊声音分流位于常规音色匹配之前：先判断这段音频是否具备足够的自然语音结构，再决定进入哪条结果路径。

除了音高，还需要观察结构怎样变化

普通说话声包含元音、辅音、起音、停顿和发音位置变化。固定口哨通常能量集中在窄频带；持续纯音变化更少；哼唱虽然来自声带，却缺少正常语句中的辅音和口腔形状变化。单项指标都可能重叠，因此分流不能靠一个阈值完成。

CVoice 会组合观察频谱能量集中程度、带宽、窄带帧比例、频谱随时间的变化、音高移动、起音方式、过零情况和短时音色变化。这里的目的不是识别“是谁”或判断是否为合成声音，而是回答更窄的问题：这段输入是否适合进入普通说话声报告。

分流之后，产品应该怎样回应

特殊声音结果不进入主音色与组合排行榜。这样做会减少一部分“看起来什么都能测”的趣味，却能保护报告含义的一致性。

这道门禁也不是声音分类器的终点

边界样本依然存在：带旋律的说话、气声、拟声、极短句、强降噪录音，都可能同时拥有语音与非语音特征。系统只能给出工程上的分流判断，不能宣称对所有发声方式做出权威分类。