口哨有音高，為什麼不能當成說話聲分析

最危險的失敗不是報錯，而是一本正經地給出結果

口哨、哼唱和電子純音都可能有清楚的週期，因此音高偵測器能回傳穩定數值。如果後續流程只檢查「是否偵測到基頻」，這些聲音就會進入主音色、年齡感或性別傾向計算，最後產生格式完整、含義卻站不住腳的報告。

聲音系統不應把「能計算」偷換成「適合解讀」。在 CVoice 中，特殊聲音分流位於一般音色比對之前：先判斷這段音訊是否具備足夠的自然語音結構，再決定進入哪一條結果路徑。

除了音高，還要觀察結構如何變化

一般說話聲包含母音、子音、起音、停頓與發音位置的變化。固定口哨的能量通常集中在狹窄頻帶；持續純音的變化更少；哼唱雖然來自聲帶，卻缺少一般語句中的子音與口腔形狀變化。單一指標都可能重疊，因此分流不能只靠一個閾值完成。

CVoice 會綜合觀察頻譜能量集中程度、頻寬、窄頻帶影格比例、頻譜隨時間的變化、音高移動、起音方式、過零情況與短時間音色變化。目的不是辨識「是誰」或判斷是否為合成聲音，而是回答更窄的問題：這段輸入是否適合進入一般說話聲報告。

分流之後，產品應該如何回應

特殊聲音結果不會進入主音色與組合排行榜。這會少掉一些「看起來什麼都能測」的趣味，卻能保護報告含義的一致性。

這道門檻也不是聲音分類器的終點

邊界案例仍然存在：帶旋律的說話、氣聲、擬聲、極短句、強力降噪錄音，都可能同時具有語音與非語音特徵。系統只能做工程上的分流判斷，不能宣稱能對所有發聲方式做權威分類。