跳转至

EvoSpeech · 当前 30 天路线：完成第一份模型研究档案

时间：2026-07-20 → 2026-08-18

本月不以模型数量或 AI 候选数为目标。唯一科学目标是：把 EnCodec 从“本地可运行”推进为第一 个经过论文、代码、官方复现、共同 benchmark、项目 stress 和文档审计的完整研究对象，并在此 基础上开始 WavTokenizer 的第二条深读链。

旧 first-loop 路线保存在 archive/ROADMAP_30D_FIRST_LOOP_2026-07-20.md， 其中 Week 3 seed、Week 4 AI smoke 的日期承诺已经失效。

月度成果定义

月底应交付：

  1. EnCodec 完整 model bundle 与可独立阅读的深度页面；
  2. 论文 headline claim 的本地复现矩阵和诚实 verdict；
  3. EnCodec / Opus / Codec 2 / 相关神经对照的冻结共同 benchmark；
  4. 中英、多语言、关键内容、带宽和资源 stress；
  5. 至少一张经过验证的机制卡与可迁移假设；
  6. WavTokenizer D0/D1 的身份和论文研究起点；
  7. Cloudflare 站点、registry 和实验产物相互可追溯。
  8. EnCodec 关键点能从 clean Linux CPU container 重放；云端 CUDA 训练合同已冻结但不提前启动 原创大训练。

evaluation_complete 不是月底 KPI 的装饰。如果 D0–D7 任一项真实阻塞，EnCodec 保持阻塞前的 合法状态，月底交付失败分类和解阻计划，不能为完成数字降低门槛。

Week 1 · 7/20–7/26：EnCodec D0–D2

D0 · Identity & provenance

  • [x] 固定论文、代码、checkpoint、许可证和全部版本身份；
  • [x] 区分官方模型、包转换和本地 adapter；
  • [x] 完成 encoder/quantizer/decoder 参数、RVQ buffer 与未包含辅助模型分账；
  • [x] 核实采样率、帧率、码本、带宽和已观测 side information。

D1 · Paper deep read

  • [x] 写清问题、前序工作、核心贡献、数学目标、训练和推理；
  • [x] 逐项整理数据、主表、消融、限制和论文没有证明的内容；
  • [x] 每个核心主张定位到 primary source。

D2 · Core code deep read

  • [x] 建立推理和训练核心调用图；
  • [x] 保存中间 tensor/token shape；
  • [x] 完成 paper-to-code map；
  • [x] 核实本地 payload 与官方表示/文件的差异。

W1 Gate：D0–D2 全部通过；页面已有论文、代码和结构图草稿。若身份或代码对不上，不进入 正式论文评测。

Week 2 · 7/27–8/2：EnCodec D3–D4

D3 · Protocol freeze

  • [x] 固定论文 operating points、数据集、split、预处理和 metrics；
  • [x] 预声明差值、CI、等价容差、成本和失败规则；
  • [x] 将私有/不可得部分在运行前标 blocked/approximate。

D4 · Paper-native reproduction

  • [x] 对公开可复现主张执行 frozen-asset 与 one-pair raw/entropy smoke；
  • [ ] 构建固定 ViSQOL v3.3.3 metric image并执行正式运行；
  • [ ] 保存逐样本结果、作者值、本地值、差值和置信区间；
  • [ ] 解释所有超出容差的结果；
  • [ ] 生成 EnCodec 页面 v0 和 D4 verdict。

W2 Gate：D0–D3 必须通过；D4 每条主张都有合法 verdict。不能获得公开资产也可以形成 blocked 证据，但不能自动升级为 paper_reproduced。

Week 3 · 8/3–8/9：EnCodec D5–D6

D5 · Frozen common benchmark

  • [ ] 冻结 EnCodec、Opus、Codec 2 和一个最相关神经对照的共同 operating points；
  • [ ] 英文和中文使用同一版本数据、预处理、真实 payload 和指标；
  • [ ] 分别报告内容、身份、表达、质量、码率、模型先验、计算与延迟；
  • [ ] 保存逐语言/说话人或逐样本结果和置信区间；
  • [ ] 论文原生结果与共同 benchmark 分表，不混成一个排行榜。

D6 · Project-specific stress

  • [ ] 中英关键实体、数字、否定、金额、日期和专名；
  • [ ] 德/法/西/日/韩逐语言 probe；
  • [ ] 合法带宽曲线和内容/身份/表达的崩溃顺序；
  • [ ] 边界长度、静音、长音频、削波、确定性、CPU/MPS 和资源检查；
  • [ ] 仅对前沿近邻安排对应维度的人工盲测。

W3 Gate：共同表能由一条冻结命令重建；至少识别一个真实失败边界，不能只展示平均分和 成功样本。

Week 4 · 8/10–8/16：EnCodec D7 与 WavTokenizer 起点

D7 · Synthesis, audit & reproducibility

  • [ ] 将论文、代码、官方复现、共同横评和 stress 串成完整论证；
  • [ ] 所有表格由结构化结果生成；
  • [ ] 提炼哪些机制真正强、依赖什么、什么先坏、什么能迁移到小 decoder；
  • [ ] fresh process 重跑关键点并核对 hashes；
  • [ ] 从 linux_arm64_cpu_eval clean container 重放至少一个关键点，并审计 native/container 差异；
  • [ ] registry、tests、links、strict build 和 Cloudflare 公网检查全部通过；
  • [ ] 只有 D0–D7 全过才将 EnCodec 标为 evaluation_complete。

WavTokenizer D0/D1（条件启动）

只有 EnCodec D7 已形成正式 verdict 后：

  • [ ] 分开 small 40、large unified 40、large speech 75 三个模型点；
  • [ ] 固定论文、代码、checkpoint、训练覆盖与参数身份；
  • [ ] 开始单码本、低帧率、训练目标和 decoder 的论文深读；
  • [ ] 写明它与 EnCodec 多级 RVQ 的第一个可证伪机制差异。

Day 29–30 · 8/17–8/18：月度审计

  • [ ] 从空环境/最小环境抽查关键复现命令；
  • [ ] 检查网页数字是否全部来自当前 registry/result；
  • [ ] 检查 paper claim、local measurement、inference、hypothesis 标签；
  • [ ] 更新 40 项 census，但不让新论文打断当前模型；
  • [ ] 写月度 verdict：完成、近似、失败、阻塞分别是什么；
  • [ ] 根据证据制定下一 30 天，而不是复用旧日期承诺。

月底 Gate

理想通过

  • EnCodec D0–D7 全部通过并标 evaluation_complete；
  • 第一份深度模型页面可独立解释算法、代码、官方主张、本地误差和项目启发；
  • WavTokenizer D0/D1 已开始但没有干扰 EnCodec 主线。

科学上仍合格的阻塞结论

  • EnCodec 的公开资产不足以严格复现某些 headline claims；
  • 阻塞由 primary source、缺失资产和已执行替代检查证明；
  • 其余可复现 Gate 完整，页面清楚区分 blocked 与 failed；
  • 下一步能明确说出需要作者资产、人工听测、算力还是代码修复。

不通过

  • 只增加 smoke/G4 数字，没有论文复现；
  • 看到本地结果后修改 split、metric 或容差；
  • 用统一 benchmark 冒充论文原生复现；
  • 用一个总体质量分掩盖内容或身份失败；
  • 页面内容靠手抄，无法回到运行产物。

本月明确不做

  • 不实现原创 seed；
  • 不启动随机、TPE 或 AI evolution；
  • 不批量下载剩余模型制造进度；
  • 不同时让两个模型处于 D0–D4；
  • 不把论文之间不同来源 MOS 画成总榜；
  • 不因月底日期把阻塞模型强行标绿。
  • 不启动通用云平台或 Kubernetes；CUDA image 与 C0–C3 只在首个真实训练任务前实现。

原创 Baseline 与 AI 进化只有在至少 6 个代表家族达到严格 evaluation_complete 后重新排期。