從空氣振動到可計算訊號
麥克風會把空氣振動轉成連續的數位取樣。演算法不會「像人一樣認識你」，而是從短時間視窗中測量週期、能量分布、變化速度與雜訊情況，再把多項訊號整理成容易閱讀的描述。
同一個人在不同手機、房間與距離下，錄到的頻譜不會完全相同；即使是同一台裝置，輕聲、興奮、疲憊或刻意壓低聲音也會改變結果。因此 CVoice 描述的是本次錄音呈現出的聲音。
音高：聲音週期的主要線索
具穩定週期的人聲可以估計基頻，也就是常說的 F0。較高或較低的 F0 會明顯影響聽感，但一個人的音高會隨語調持續移動，只看平均值會漏掉很多資訊。
CVoice 也會關注音高範圍、短時間變化與可追蹤程度。FrostNote 的即時偵測則更重視目前音符附近的穩定性。背景音樂、口哨、強烈氣聲與多人同時說話，都可能讓基頻追蹤變得困難。
質感面向如何影響聽感
通常與較高頻率區域的能量與頻譜重心有關。離麥克風太近、裝置降噪或刺耳雜訊都可能改變它。
來自低中頻能量、聲門激勵與共振結構的綜合印象，並不等於音量大，也不專屬於某種性別。
氣聲比例、子音邊緣、雜訊與發音方式都會參與。輕柔不一定模糊，清晰也不一定尖銳。
觀察短時間內音高、能量與節奏的變化。平穩朗讀與情緒豐富的自然表達會產生不同軌跡。
共振峰能告訴我們什麼
聲道就像會不斷改變形狀的濾波器。舌位、口腔開合與聲道長度會形成數個共振峰，這些對母音與音色非常重要。共振峰能補充只靠音高無法解釋的差異，但也會受到發音內容、錄音頻寬與追蹤誤差影響。
如何錄出更穩定的測試聲音
- 使用平常聊天時的自然聲音，連續說一到兩句完整的話，不要只念單一字詞。
- 盡量在安靜的房間錄製，關閉背景音樂、變聲器、強烈殘響與其他人的說話聲。
- 與麥克風保持約一個手掌的距離；太近容易爆音，太遠則可能讓降噪連細節一起抹掉。
- 音量保持舒適即可，不需要為了某個結果刻意提高、壓低或捏住聲音。
- 想比較兩次結果時，請盡量使用同一裝置、相似語句與相近距離。
如果上傳的是 AMR、M4A 或其他行動裝置錄音，服務可能需要先轉換格式。轉換能讓演算法讀取音訊，但無法恢復原始錄音已經遺失的頻率細節。
為什麼口哨與非語言聲音會分開處理
口哨可以有清楚的音高，卻缺少自然語音中的聲道共振與連續音素結構。若強行送進一般聲線標籤，演算法仍會產生數字，卻會帶來實際不存在的確定感。因此 CVoice 會把較明確的非語言發聲歸入特殊聲音結果，不參與性別年齡感或一般排行榜。