先把三種測試分開
| 測試方式 | 合理期待 | 常見變化來源 |
|---|---|---|
| 重複上傳同一檔案 | 相同演算法版本下，核心特徵與基礎結果應一致。 | 服務版本、目錄版本、顯示層微調或程式缺陷。 |
| 重新錄製相同句子 | 大方向可能接近，具體分數與排序則可能變化。 | 語調、距離、音量、停頓、狀態與裝置自動處理。 |
| 更換裝置或環境錄製 | 只能作為粗略參考，不宜直接歸因於聲音變化。 | 麥克風頻率響應、房間反射、降噪、編碼與訊噪比。 |
為什麼小變化會換掉一個標籤
連續的聲學空間最後常會被顯示成離散標籤。假設「溫暖」與「清亮」的匹配距離非常接近，只要一個頻譜特徵變化 2%，第一名與第二名就可能交換。標籤看起來變化很大，底層座標其實只移動了一點。
這稱為閾值或排名邊界效應。更誠實的頁面應同時顯示組合傾向、比例或說明，而不是讓第一名標籤看起來像絕對答案。
確定性不等於永遠不變
CVoice Reborn 所謂的確定性是指：相同的標準化音訊、演算法版本與目錄版本會得到相同的基礎結果。CVoice 對同一檔案也維持穩定的小幅顯示邏輯。但當輸入波形改變或演算法升級時，「確定性」並不要求繼續回傳舊結果。
服務更新若調整特徵正規化、修正八度錯誤或擴充角色目錄，應記錄日期與版本。這比為了表面一致而保留已知錯誤更可靠。
怎麼比較才不容易誤導自己
- 保留同一個原始檔案，先確認重複上傳是否穩定。
- 重新錄製時固定裝置、房間、距離、文字與時間帶。
- 每個條件錄製兩到三次，看共同趨勢，不要只挑自己最喜歡的一次。
- 優先比較八個連續面向與品質提示，再看第一名標籤。
- 跨版本比較前先查看公開更新紀錄。
什麼時候值得回報問題同一檔案在短時間內、相同版本下反覆得到完全不同的核心結果，或頁面出現無法解釋的巨大跳變時，才比較像是程式、快取或部署不一致。
下一步
先閱讀影響聲音分析的六類錄音變因先建立固定流程，再閱讀報告解讀理解標籤與分數的層級。