EvoSpeech · 逐模型研究重启计划¶

开始日期：2026-07-20

本计划取代“继续下载一个模型、跑 8 句、立刻进入下一个”的执行节奏。旧 G1–G4 工程证据保留；新的完成单位是一份通过 EVALUATION_DOD.md 的完整模型研究档案。

一、固定工作循环¶

每增加一个模型，严格执行以下顺序：

flowchart LR A["D0 身份与来源"] --> B["D1 深读论文"] B --> C["D2 深读核心代码"] C --> D["D3 冻结复现协议"] D --> E["D4 复现论文结果"] E --> F["D5 统一横评"] F --> G["D6 项目压力测试"] G --> H["D7 页面与可复现审计"]

任何一步失败都形成明确结论和页面，不删除模型；但不能越级声称后续 Gate 已完成。

二、里程碑列表¶

R0 · 研究系统地基¶

[x] 冻结不可降低的模型评测 Definition of Done；
[x] 把知识、执行、评测拆成三条独立状态；
[x] 建立结构化 research registry 与 schema；
[x] 建立 Material for MkDocs 文档站骨架；
[x] 自动生成 40 项模型总览和当前严格状态；
[x] CI 校验 registry、生成页面并严格构建站点；
[x] GitHub Pages 路线已裁决为暂不采用：private repository 的当前账号计划被 GitHub API 明确拒绝（HTTP 422）；仓库不擅自公开。CI 保留严格构建，未来若条件变化再显式开启。
[x] 使用 Cloudflare Pages Direct Upload 发布同一静态站点，仓库继续保持 private；已固定 Wrangler 4.112.0、site/ 构建目录和可追溯部署脚本，生产 URL https://evospeech-research.pages.dev/ 的首页、模型总览、DoD、部署说明和 sitemap 均验证为 HTTP 200。

通过条件：本地 registry 校验、页面生成检查和 mkdocs build --strict 全部通过；历史 G4 在页面中只能显示为 Transport Qualified，严格评测完成数为 0。

R0.5 · 可迁移运行环境与云训练地基¶

[x] 冻结五个 runtime profile、experiment capsule、mount/image/secret/checkpoint 合同；
[x] 明确 Apple Silicon 可做 CPU/MPS 小训练，但不是 Linux/CUDA/NCCL 等价环境；
[x] 冻结云端训练 C0–C5：本地 lint → GPU probe → one-batch → 短单卡/resume → 长跑/多卡 → 独立 evaluation；
[ ] 为 EnCodec D4 构建固定 ViSQOL metric image 与最小 Linux/arm64 evaluation path；
[ ] 在 EnCodec D7 前完成 clean-container replay 与 native/container 数值审计；
[ ] 在第一个原创模型训练前完成 CUDA image 和临时 NVIDIA 主机 C0–C3。

通过条件：正式运行能够指出 image digest 或 documented native exception；数据、权重、 protocol、硬件和输出由 capsule 绑定。环境工作不得扩张成通用云平台。详见 ENVIRONMENT_AND_TRAINING.md。

R1 · EnCodec：打通第一份完整档案¶

选择理由：官方论文、代码和 checkpoint 成熟，本地已有运行证据，适合校准整条科研管线，而不是因为它一定是当前最强模型。

[x] D0：固定论文版本、官方代码 commit、24 kHz checkpoint、许可证及参数分账；
[x] D1：精读论文、补充材料和关键前序工作，形成逐章节论文解读；
[x] D2：追踪 SEANet encoder/decoder、RVQ、带宽控制和训练损失的 paper-to-code map；
[x] D3：冻结论文主表/主图的可复现项目、数据、预处理、指标和容差；
[ ] D4：已完成 frozen-asset 与 one-pair raw/entropy smoke；构建固定 ViSQOL container 后复现全部公开点，不能复现的 MOS/私有训练条件明确标阻塞；
[ ] D5：在冻结共同 speech benchmark 上重跑 EnCodec、Opus、Codec 2；
[ ] D6：补中英关键内容、多语言 probe、真实 payload、资源和合法码率曲线；
[ ] D7：生成第一篇完整模型页面，并让所有数字可追溯到结果文件。

通过条件：读者能从页面解释 EnCodec 为什么使用 RVQ、带宽怎样改变、代码如何实现、论文数字哪些复现成功/失败，以及它对 low-bit 学生真正可迁移的机制。

R2 · WavTokenizer：第一个低 token-rate 深读对象¶

[ ] small、large unified、large speech 作为不同 checkpoint 身份，禁止混成一个点；
[ ] 深读单码本、低帧率、判别/语义训练目标与 decoder 设计；
[ ] 对照官方 speech/audio/music 评测协议及可公开复现范围；
[ ] small 与 large unified 做同 40 token/s 的共同基准，不作虚假的受控因果结论；
[ ] 补 75 token/s 合法 operating point、削波检查和失败样本分析；
[ ] 与 EnCodec 的多码本 RVQ 形成机制对照页面。

通过条件：完成首个“论文低码率主张—本地复现—同协议横评”的闭环。

R3 · 通信锚点：Opus 与 Codec 2¶

[ ] 用标准/官方技术材料替代普通论文模板中不适用的字段；
[ ] 解释 bitstream、算法延迟、模式、码率和 packet/container 开销；
[ ] 复现官方/标准可验证的测试点，并记录平台差异；
[ ] 固定统一 benchmark 的现实通信下界；
[ ] 页面明确传统 codec 教给神经模型的工程纪律。

R4 · BigCodec 与 Mimi¶

[ ] BigCodec：完整解释单码本低码率设计、训练目标、官方 1 kbps 结论和代码限制；
[ ] Mimi：完整解释 streaming、semantic/acoustic token、延迟合同和模型先验；
[ ] 分别完成论文复现、共同 benchmark 和项目 stress；
[ ] 做“低码率单流”与“流式双重表示”的机制对照。

R5 · DAC、SNAC、FocalCodec-Stream、LPCNet¶

[ ] 每个模型单独完成 D0–D7，不沿用一句话机制摘要；
[ ] DAC 聚焦高质量 RVQ/量化训练；
[ ] SNAC 聚焦多尺度 token；
[ ] FocalCodec-Stream 聚焦单 token/语义表征与流式约束；
[ ] LPCNet 聚焦参数编码与微型生成 decoder；
[ ] 形成第一轮可迁移机制矩阵。

R6 · MOSS 与 Quark HCodec 家族¶

[ ] checkpoint 变体分别建身份卡和结果，家族页面只做汇总；
[ ] 大模型共享先验、辅助语义模型和 decoder 成本全部分账；
[ ] 官方主张、可公开复现范围和硬件约束逐项核实；
[ ] 完成 adaptive/grouped 表示的真实计账及 stress curve；
[ ] 判断其机制能否成为受约束学生教师，而不只比较重建听感。

R7 · 剩余 execution matrix¶

按研究价值和可复现性动态排序 Stable Codec、X-Codec 2.0、TaDiCodec、SoundStream、AudioDec、 FunCodec、HiFiCodec、Lyra、SpeechTokenizer、SemantiCodec、FACodec、TiCodec、Step-Audio 和 FARGAN。每次只允许一个模型处于 D0–D4 主线，避免浅尝 15 个模型却没有一份完整研究档案。

R8 · Census 扩展与 paper-only¶

[ ] 每月扫描新 SOTA，但新名字只进入 census，不自动打断当前深读；
[ ] paper-only 模型可以完成 D0/D1，不能伪造 D2–D6；
[ ] 代码开放后才进入执行队列；
[ ] 挑真正改变机制理解的论文写专题综述，而不是机械收集摘要。

R9 · 机制综合、原创 Baseline 与 AI 进化¶

只有至少 6 个代表家族达到 evaluation_complete，并形成论文复现可信的共同 benchmark 后：

[ ] 汇总能迁移的表示、量化、decoder、训练与流式机制；
[ ] 选择最小可证伪的原创 seed；
[ ] 用人工、随机、TPE 证明搜索空间有信号；
[ ] 再接 CandidateContract 和 AI 自动进化；
[ ] 所有原创结果回到同一个站点和 DoD 下接受审计。

三、每一轮交付格式¶

每完成一个 Gate，交付必须明确回答：

这轮读了、改了、运行了什么；
产生了哪些结构化记录、文档和实验产物；
用什么命令和证据验证；
哪些结论成立，哪些仍不成立；
是否需要用户授权、听测或硬件操作；
下一 Gate 是什么。

只要某项可以本地自行验证，就由项目自动验证后报告结果，不把可自动化检查转交给用户。

四、执行优先级原则¶

一份完整、可审计的模型档案优先于新增五个浅层 adapter；
primary source 优先于二手总结；
官方复现和共同横评必须同时存在，互不替代；
论文读不懂或代码对不上时暂停跑大实验，先解决身份和机制问题；
模型官方结果无法公开复现也是重要结论，但必须给出证据边界；
网站是研究记录的视图，机器可读 registry/result 才是数字的唯一事实源。
Docker 是默认 Linux 执行封装，不是科学结论；image digest、capsule、输入/输出 hash 与独立 evaluation 缺一不可。