从空气振动到可计算信号
麦克风把空气振动转换成连续的数字采样。算法不会“像人一样认识你”，而是从短时间窗口中测量周期、能量分布、变化速度和噪声情况，再把多项信号整理成便于阅读的描述。
相同的人在不同手机、房间和距离下，录到的频谱并不完全相同；同一台设备上，轻声、兴奋、疲惫和刻意压低声音也会改变结果。因此 CVoice 描述的是本次录音呈现出的声音。
音高：声音周期的主要线索
有稳定周期的人声可以估计基础频率，也就是常说的 F0。较高或较低的 F0 会明显影响听感，但一个人的音高会随语调不断移动，单看平均值会遗漏很多信息。
CVoice 还会关注音高范围、短时变化和可跟踪程度。FrostNote 的实时检测则更强调当前音符附近的稳定性。背景音乐、口哨、强烈气声和多个人同时说话，都可能让基础频率跟踪变得困难。
质感维度如何影响听感
通常与较高频率区域的能量和频谱重心有关。距离麦克风太近、设备降噪或刺耳噪声都可能改变它。
来自低中频能量、声门激励和共振结构的综合印象，并不等于音量大，也不专属于某种性别。
气声比例、辅音边缘、噪声和发音方式都会参与。轻柔不一定模糊，清晰也不一定尖锐。
观察短时间内音高、能量和节奏的变化。平稳朗读与情绪丰富的自然表达会产生不同轨迹。
共振峰能告诉我们什么
声道像一个不断改变形状的滤波器。舌位、口腔开合和声道长度会形成若干共振峰，它们对元音与音色十分重要。共振峰可以补充仅靠音高无法解释的差异，但也会受到发音内容、录音带宽和跟踪误差影响。
怎样录出更稳定的测试声音
- 使用平时聊天的自然声音，连续说一至两句完整的话，不要只读单个字。
- 尽量在安静房间录制，关闭背景音乐、变声器、强混响和其他人的说话声。
- 与麦克风保持大约一掌距离；过近容易爆音，过远会让降噪把细节一起抹掉。
- 音量保持舒适，不需要为了某个结果刻意提高、压低或捏住声音。
- 想比较两次结果时，尽量使用同一设备、相似语句和相近距离。
如果上传的是 AMR、M4A 或其他移动端录音，服务可能需要先转换格式。转换能让算法读取音频，但无法恢复原始录音已经丢失的频率细节。
为什么口哨和非语言声音会单独处理
口哨可以拥有清晰音高，却缺少自然语音中的声道共振和连续音素结构。如果强行把它送进常规声线标签，算法仍会产生数字，却会给人一种并不存在的确定性。因此 CVoice 会把较明确的非语言发声归入特殊声音结果，不参与性别年龄感或常规排行榜。