跳转至

EvoSpeech · 未来 30 天路线图

历史快照，已停止执行。 本文件保存 2026-07-20 以 G1–G4、seed 和首轮 AI smoke 为中心 的旧路线，不再提供当前日期承诺。当前路线见 ../ROADMAP_30D.md， 完成标准见 ../EVALUATION_DOD.md。

时间：2026-07-20 → 2026-08-18

月目标不是“把评测系统修到完美”，而是跑完第一条完整科研链：

SOTA 原生复现 → rate/resource stress → 机制提炼 → 受约束原创种子 → 常规搜索 → AI 进化 smoke test。

历史前两周见 ROADMAP_14D_CENSUS_2026-07-20.md， 当前候选地图见 ../SOTA_MAP.md。

Week 1 · 7/20–7/26：SOTA Census、Wave 1 与本地可运行前沿

交付

  • 维护不设数量上限的综合 Census，核实论文、代码、权重、许可、因果性、码率和资源；
  • 对所有公开 runnable 代表给出 execution wave，不再用替补逻辑删除独立机制；
  • Wave 1 六项全部得到 passed / reproducible failed / hardware deferred / license deferred 结论；
  • Wave 2 至少四项固定 checkpoint、许可和最小推理路径；
  • 至少跑通 Opus、Codec 2、EnCodec 加三个新神经家族的中英文 smoke；
  • 至少三个 SOTA 教师完成作者原生点 + 一个合法 low-rate/resource 点；
  • 建立统一 adapter 结果格式，保存日志、中间表示、资源和版本信息。

Gate W1 · Frontier Runnable

  1. 论文声明与本地测量严格分列；
  2. 每个 Wave 1 家族有固定版本和可复现命令，Wave 2 未固定项有精确阻塞；
  3. 每个失败模型有失败类型和复现日志；
  4. 能力、低码率、流式、部署、多尺度/语义和通信锚点均有代表；
  5. 不以 low-bit 标签过滤默认码率较高但机制重要的教师。

W1 不要求候选安全隔离。官方基线适配器是可信代码，目标是复现，不是假设它在主动作弊。

来源阶段状态（2026-07-19）：Wave 1 6/6 与 Wave 2 6/6 已固定源码、权重 revision/LFS SHA、许可、最小入口和 rate knob。Stable Codec 在本机平台 deferred；TaDiCodec 因文本/prompt side information 暂不进入公平 payload 表。下一步从 SNAC native smoke 开始。

执行更新（2026-07-19）：SNAC、DAC、FocalCodec-Stream、Mimi、LPCNet 均已 8/8 通过 G1/G2；Stable Codec 为本机 platform deferred，故 Wave 1 六项已有完整结论，C2 正式通过。 LPCNet raw payload 均值 1604.88 bps、CPU decode RTF 0.202，但 learned decoder weights 6.66 MiB， 尚不满足最终 ≤5 MiB。Mimi 与 FocalCodec 的 stateful streaming 均未测试，不能用论文能力 冒充本地实时结果。

Wave 2 更新（2026-07-20）：MOSS Nano、1.775B full v1 与 2.124B full v2 均完成冻结 8 句 G4。两个 full 模型的 32 个 encoder/decoder 阶段都在 24 GiB 主动停止线下通过，最大 进程树 RSS 分别为 3.90/4.12 GB；中文 critical 的额外 fresh replay 均字节一致。这是 transport/accounting/resource 资格，不是统一质量结论。随后已转向并完成 Quark HCodec 1.0 双流离散表示与 fresh decoder 的同级资格验证。

Quark 更新（2026-07-20）：HCodec 1.0 已在冻结 8 句完成 acoustic/semantic 双流真实 payload、fresh decoder、计账和 24 GiB guarded G4；表示/完整 payload 句均值 2006.10/3397.51 bps，最大 RSS 1.77 GB，中文 critical 的第三次重放字节一致。执行时发现的 官方浮动 HuBERT 和无效 README 直跑命令均已用固定本地依赖与显式 package context 封口。 2.75 GB HCodec 1.5 adaptive 单句探针也已通过：补齐隐藏的 1.27 GB Wav2Vec2 encoder 身份， 固定 0.6 阈值把 82 个基帧合并为 65 组，以一个共享 3-bit 长度加八个 10-bit code 计为 1647.33 bps；两次 fresh decode 字节一致。随后冻结 8 句 G4 也已 8/8 通过：808/1264 groups， 表示句均值/聚合值 1363.37/1330.24 bps，最大 RSS 5.91 GB，中文 critical 第三次重放字节一致。 相同集合下码率比 HCodec 1.0 低 33.68%，但质量等价尚未验证。HCodec 转入统一指标队列；其后 BigCodec 也已完成（见下），2.0 在权重发布前保持 open-code-partial。

BigCodec 更新（2026-07-20）：官方 checkpoint、159.44M 参数和单码本 80 fps × 13 bits = 1040 bps 均已本地验证。上游漏列 tqdm 且推理脚本硬编码 CUDA；固定 35 包 Python 3.9.22 CPU wrapper 沿用不变的官方类与公式，单句保存 263 个真实 indices，表示 1043.97 bps，两个 fresh decoder 输出字节一致，峰值 RSS 1.79 GB。随后冻结 8 句 guarded G4 以 8/8 通过：4,039 个真实 indices、聚合表示/完整 payload 码率 1041.49/2171.57 bps、峰值 RSS 2.12 GB，中文 critical 第三次重放字节一致。其后 WavTokenizer small 单句也已完成（见下）；BigCodec 的统一 内容/质量指标仍未开始，且没有已验证的第二个合法 rate point。

WavTokenizer 更新（2026-07-20）：small speech 40-token checkpoint、80.91M 参数和 40 fps × 12 bits = 480 bps 已由本地真实 codes 验证。固定 25 包 Python 3.9.22 / torch 2.0.0 CPU 环境在最短句产生 131 个 codes，code-derived feature 误差为 0；两个 fresh decoder 输出 字节一致，主动 guard 峰值 1.24 GB。随后冻结 8 句 G4 以 8/8 通过：2,019 个 codes、聚合表示/ 完整 payload 码率 480.57/1752.17 bps、峰值 RSS 1.58 GB；odd-length critical 完成 exact-length trimming 与第三次字节一致重放。两句共 3 个负满幅 PCM16 样本进入削波检查。下一节点为 large unified 40-token。该 checkpoint 随后已完成单句 guarded 探针：官方仓库虽未附 config，但 state dict 与运行时严格确认相同的 80.91M 参数、600-sample hop 和 480 bps；131 个真实 codes 可由两次 source-blind fresh decoder 字节一致重建，峰值 RSS 1.24 GB。随后 large unified 冻结 8 句也以 8/8 通过：2,019 个真实 codes、聚合表示/完整 payload 码率 480.57/1788.99 bps、峰值 RSS 1.55 GB，odd-length 第三次重放一致且无满幅样本。small 与 large unified 推理结构相同、训练覆盖 不同，现已具备进入同 rate 共同质量指标的 transport 资格；large speech 75-token 下一步另作 独立系统，不冒充纯 rate sweep。

Week 2 · 7/27–8/2：Wave 2、统一基线与 seed Coverage Gate

交付

  • 英文 60 句、中文 30 句主评测；德/法/西/日/韩各 10–30 句泛化探针；
  • author_nominal_bps / representation_bps / measured_packed_bps 三口径分账；
  • Wave 2 至少 4/6 完成 source→native→saved representation→accounting→统一 smoke；
  • 至少三个教师的 rate/resource 曲线、忠实度崩溃顺序和机制卡；
  • 质量、内容、身份、表达、RTF、decoder 大小的多张 Pareto 图；
  • Coverage Gate 通过后交付 docs/SEED_CODEC_DECISION.md；若只差 1–2 项则限时延长 3–5 天；
  • seed v0 实现移到 Gate 后的 48 小时，不因日历提前。

Gate W2 · Coverage Sufficient

  1. 本地基线表能指出不同约束下的前沿代表，而不是宣布一个“总冠军”；
  2. 每个公平 Pareto 点都有可保存、可独立解码的实际字节；
  3. Wave 1 全部有结论，Wave 2 至少 4/6 完成 G1–G4；
  4. ≥6 个神经家族通过统一 smoke，≥3 个教师有 stress curve，≥3 张机制卡；
  5. seed 决策明确继承至少一个 SOTA 教师机制，并说明为端侧合同删掉了什么。

W2 的真实 bitstream 是科学可比性要求，不等同于完整 CandidateContract 安全工程。

Week 3 · 8/3–8/9：实现原创种子并把它变成可研究的问题

1. 冻结搜索空间

  • [ ] 按 SEED_CODEC_DECISION.md 在 48 小时内实现完整 seed v0；
  • [ ] 先做至少 5 个手工/随机变体，确认两个以上方向产生可解释变化；
  • [ ] 把 seed v0 整理成固定 I/O 骨架和 3–8 个可变维度；
  • [ ] 每个变量写物理意义、范围、预期影响和非法组合；
  • [ ] 建立 3 句 smoke、10 句 fast、英文/中文 full 三层评测；
  • [ ] 记录每个候选的配置、代码 hash、bitstream hash、指标、耗时和父代。

验证：同一配置重复 3 次结果一致；非法配置不会污染档案；fast 层与 full 层的淘汰方向在一组已知变体上基本一致。

2. 先跑非 AI 对照

  • [ ] 手工调参：限定 2–4 小时并记录每一步；
  • [ ] 随机搜索：至少 20 个候选；
  • [ ] TPE/贝叶斯优化：同候选数和同墙钟预算；
  • [ ] 画 best-so-far 曲线、分布和 Pareto 移动，不只摘单个最好数字。

这些对照不是给 AI 设置“必须全胜”的口号。它们分别告诉我们：搜索空间是否有信号、常规优化是否已经足够、人工先验价值有多大。

3. 回答是否值得接 AI

Gate W3 · Searchable：

  1. 随机变体之间有稳定可测的差异；
  2. 至少一种常规方法比默认种子更好，证明空间不是死的；
  3. 单候选 fast 评估足够快，预计一晚可跑至少 20 个；
  4. 指标提升没有明显靠改词、丢身份或逃避真实码率获得。

如果 W3 不通过，先改 seed 或参数域；不要用 LLM 给一个不可搜索的问题制造热闹。

Week 4 · 8/10–8/18：最小护栏与第一次 AI 进化 smoke

1. 只实现自动搜索真正需要的护栏

CandidateContract Lite

  • [ ] encoder(input.wav) -> payload.bin；evaluator 独立读取文件字节；
  • [ ] decoder(payload.bin) -> decoded.wav，decoder 不接收原音路径；
  • [ ] encoder/decoder 分进程和工作目录，限制超时、内存/输出大小；
  • [ ] 本地 runner 明确命名为 trusted/dev，不冒充恶意代码安全沙箱；
  • [ ] 用原音旁路、少报字节、共享临时文件三个攻击夹具验证接口边界。

Evaluator Guardrail Lite

  • [ ] 中英内容至少使用两个不同 ASR 家族做晋级复核；内循环可用一个快速评委；
  • [ ] 关键数字、金额、验证码、否定使用人工文本锚定的实体对齐；原音 ASR 不可靠时输出 abstain；
  • [ ] speaker evaluator 至少用第二模型复核前沿候选，不要求进入每个 fast 评估；
  • [ ] 五个已知关键实体漏检全部进入回归测试；unsupported/abstain 不得记为通过。

这四项在此时出现，是因为从这一周起 AI 能主动试探 evaluator。它们不是前两周寻找 SOTA 的前置条件。

2. 最小 AI runner

  • [ ] 输入：seed/父代、允许修改的代码或配置、最近失败、完整指标和固定研究说明；
  • [ ] 输出：一个可审计 diff 或参数配置，加一段可证伪假设；
  • [ ] 自动执行 smoke → fast → 必要时 full；所有失败入档，不静默吞错；
  • [ ] 先用单档案/单父代实现，不在首轮引入 MAP-Elites、岛屿和复杂元提示；
  • [ ] 连续生成并评估 20–50 个候选，人工不在中间挑结果。

3. 同预算比较

  • [ ] AI 组与 Week 3 的随机/TPE 采用相同候选数和墙钟预算；
  • [ ] no-evolution LLM 作为额外对照：每次只见初始种子，不见父代历史；
  • [ ] 报告存活率、失败类型、best-so-far、最终分布和 Pareto 前沿；
  • [ ] 前 5 名候选逐个检查是否利用评估漏洞，并做最小消融。

Gate W4 / M1 · First Closed Loop

月底满足以下条件即可进入下个月扩大进化，不要求已经战胜 SOTA：

  1. 至少 6 个神经前沿家族完成本地统一 smoke，其中至少三个教师有 native+stress 曲线；
  2. 原创 seed 有真实 bitstream、固定搜索空间和常规搜索结果；
  3. AI 能无人干预完成 20–50 个候选，失败全部留痕；
  4. AI 与随机/TPE/no-evolution 的同预算结果可以比较；
  5. 最佳候选没有通过改词、身份坍缩或码率口径作弊获得分数；
  6. 能写出一页结论：AI 是否提供增益、增益发生在哪、下一轮该改搜索还是改表示。

Go / Conditional Go / No-Go

  • Go：闭环稳定，AI 至少发现一个经复核的 Pareto 改进；下月做独立重复、扩大数据和更强搜索；
  • Conditional Go：闭环稳定但 AI 不优于随机/TPE；这仍是有效结果，下月先诊断 prompt、档案或问题抽象；
  • No-Go：seed 本身不可搜索，或 evaluator 可被明显钻空子；停止扩候选数，修 seed/裁判而不是堆 agent 框架。

本月不作为阻塞项

  • 六语全部达到双 ASR 和论文级听测；
  • 真正第三方 hostile sandbox、sealed hidden 和完整容器基础设施；
  • 树莓派拿不到时的 ARM 最终合同；host RTF 先用于筛选，但不得宣称端侧达标；
  • MAP-Elites、岛屿进化、模型 ensemble 和通宵数百候选；
  • 弱网 App、丢包/FEC 产品化、MCU 部署；
  • 论文没有代码的 2026 模型本地复现。

这些都重要，但只有在第一个“模型 → 基准 → 原创种子 → 自动改进”闭环成立后，继续投入才有杠杆。

防止两种失控

失控 A：永远追新模型

Census 每月增量更新且不设数量上限；执行矩阵按 wave 冻结。新论文立即进入合适证据等级， 但只有公开可运行或机制明显改变当前 Coverage Gate 时才调整当月执行顺序。这样既不漏 SOTA， 也不让“又有一篇新论文”无限推迟原创实验。

失控 B：永远加固评测

新问题只有在会让本月结论不可比、让 AI 明显作弊或让关键内容被错误判定时才升为 P0；覆盖扩张、报告美化和产品安全进入后续版本。