Codec 2 1.2.0 · 可审计模型档案¶

当前结论：D0–D5 passed；下一步是 Active D0-D5 research moves to DAC. Codec 2 D6/D7 run only if it is selected as a Pareto anchor, teacher, deployment target or original-baseline comparator.。每个 Gate 只建立该 Gate 明示的证据；D5 passed 表示冻结共同 benchmark 已完整归档和审计，不表示存在全局赢家或 D6/D7 已完成。 D0 只证明身份、来源和本地 artifact 一致；后续 Gate 的通过不会反向扩大 D0 的证据边界。

Gate 状态¶

Gate	状态
D0	passed
D1	passed
D2	passed
D3	passed
D4	passed
D5	passed
D6	not_started
D7	not_started

D0 · 身份、标准与本地 artifact¶

项目	冻结身份
主论文/规范/资料	Codec 2 Algorithm Description · `CODEC2-MANUAL@310777b1`
规范更新	—
官方实现	https://github.com/drowe67/codec2 · `1.2.0` / `06d4c11e699b`
本地环境	Darwin 26.5 · arm64 · Apple M5
学习参数/模型状态	10752 / 43008 bytes（传统 codec，无 checkpoint）
已冻结运行 artifact	5 个，共 1,664,608 bytes
当前公共点	1.2 kbps, 2.4 kbps, 3.2 kbps · application=narrowband speech · signal hint=not applicable · fixed mode bit allocation · mode-dependent 40 (1200) or 20 (2400/3200) ms

冻结范围与明确排除¶

不纳入当前身份：
- FreeDV modems, FEC, framing and radio-channel behavior
- 700C, 1300, 1400 and 1600 modes not selected for the common benchmark
- optional LPCNet/FreeDV 2020 builds and external ML experiments
- post-1.2.0 RADE or current-main algorithms
- the living 2025 algorithm manual as an exact byte-level description of every 2023 release path

Primary-source manifest¶

ID	作用	bytes	SHA-256
CODEC2_AUTHOR_PAGE	author-stated purpose, range, application, informal demo/evaluation boundary and source links	24,778	`e8765e9f9847c8fcaedebcaccffbd3ba8b7aa69275ffa4d6253b5719c95ade9e`
CODEC2_RELEASE_README	selected release build, CLI, raw 8-kHz input, test and repository-boundary description	9,268	`da7db4e687ba20ce687e8e7187f59bb29f95c40c303806b710fd97027d924909`
CODEC2_RELEASE_API	release-exact mode constants and encode/decode/frame-query interface	4,104	`b8d2c2a18f03aff240f4d5799ba4010ac817509304a225647dd40ef4ad9c4857`
CODEC2_ALGORITHM_MANUAL_CURRENT	author-maintained conceptual source for D1, explicitly time-conditioned and not assumed release-exact	316,470	`957f9b8163c4bd34b573593c035bcee79204450a373f027377c36a48e1050f49`

Source releases and licenses¶

Artifact	revision	bytes	SHA-256	license
codec2-1.2.0.tar.gz	`1.2.0 / 06d4c11e699b0351765f10398abb4f663a984f36`	7,688,549	`cbccae52b2c2ecc5d2757e407da567eb681241ff8dadce39d779a7219dbcf449`	LGPL-2.1-only
codec2--1.2.0.arm64_tahoe.bottle.tar.gz	`Homebrew codec2 1.2.0 arm64_tahoe bottle rebuild 0`	736,664	`efb5e3717cb204bc90d294e0353ed8e610795cd64950a17755eb74add01fcc95`	LGPL-2.1-only

Installed encoder/decoder identity¶

Artifact	bytes	SHA-256	resolved path
`c2enc`	69,328	`160e311db04a7ff18531fa3458fa321ba114a8e62dd23ddee321ffe43afc524b`	`/opt/homebrew/Cellar/codec2/1.2.0/bin/c2enc`
`c2dec`	70,176	`28ff84b495943cda65513f1c58c19b82e84e2aa2873d7aa2bd675c00433a8975`	`/opt/homebrew/Cellar/codec2/1.2.0/bin/c2dec`
`c2demo`	68,720	`9169294561ff499e34171d5c36fa27f3d14ee094f3d5a22c9329929d10dd8911`	`/opt/homebrew/Cellar/codec2/1.2.0/bin/c2demo`
`c2sim`	89,376	`5b733c2479f7dff5f6aa2a6273eca7f2113db764020b62ca5646943a5740316e`	`/opt/homebrew/Cellar/codec2/1.2.0/bin/c2sim`
`libcodec2`	1,367,008	`d129ce4c9c3cfedb276087d0d612da56162bbe2979c20826a6d618628f839812`	`/opt/homebrew/Cellar/codec2/1.2.0/lib/libcodec2.1.2.dylib`

表示与计账边界¶

codec 表示：headerless Codec 2 mode bitstream: 48 bits/40 ms at 1200, 48 bits/20 ms at 2400, or 64 bits/20 ms at 3200；
当前存储/传输 artifact：EVSC2V01 authenticated wrapper around the headerless bitstream; wrapper carries mode, original 16-kHz length, raw bitstream length/hash and frozen binary identities；
分账规则：representation bits, complete serialized payload bytes, program/library footprint and endpoint external checkpoint bytes remain separate; nominal mode rate never substitutes for measured payload size；
source-blind decoder：true；
不能由 D0 推出的结论：deep understanding of the sinusoidal/LPC model, pitch, voicing, LSP quantization, phase or synthesis paths；the trained/optimized versus hand-designed status or scalar count of every compiled table；reproduction of any author listening test, demo comparison, PESQ/MOS or radio result；quality, intelligibility, speaker identity or expression at 1200/2400/3200 bit/s；robustness to noise, bit errors, modem/FEC/channel behavior or deployment latency；completion of the independent D5 archive despite existing parent benchmark rows。

D1 · 算法与证据深读：Codec 2 不是“小号神经 codec”¶

D1 结论：passed。 本章把作者维护的 2025 算法手册、1997 博士论文、2011 作者演讲、项目主页、文档讨论串，以及固定 release 1.2.0 的 README、codec2.c 和 CTest 入口固定为 57 条可定位主张。通过 D1 表示“知道算法为什么这样设计，也知道官方证据缺什么”；不表示 1.2.0 已通过上游测试，也不表示作者听感结论已被本地复现。

一句话心智模型¶

Codec 2 不尝试保留原波形或学一个通用 latent。它先做一个很强的假设：通信中的人声，可以在每个短时窗里近似成一组以基频为间隔的正弦谐波。然后只发送：

基频/音高 F0；
谐波幅度的短时频谱包络；
voiced/unvoiced 判断；
帧能量。

谐波频率可由 F0, 2F0, ... 重建，相位在 encoder 丢弃、由 decoder 合成，所以不需要逐样本波形匹配。这是它能从 8 kHz × 16 bit = 128 kbit/s 压到 1.2–3.2 kbit/s 的根本，也是其伪影的根本：模型错了时，丢掉的波形信息无处可找。[C2-M-001–C2-M-006]

flowchart LR X["8 kHz PCM16 speech"] --> A["10 ms sinusoidal analysis"] A --> P["NLP pitch / F0"] A --> V["binary voicing"] A --> L["LPC analysis -> 10 LSPs + energy"] P --> Q["mode-specific decimation + quantisation"] V --> Q L --> Q Q --> B["48 or 64-bit mode frame"] B --> I["dequantise + interpolate to 10 ms"] I --> H["recover harmonic amplitudes"] I --> PH["synthesise phases"] H --> S["IFFT + overlap/add speech"] PH --> S

资料边界：这不是一篇可直接复现的 SOTA paper¶

Codec 2 没有像 EnCodec 那样一篇同时冻结 architecture、checkpoint、dataset 和指标表的论文，也没有像 Opus 那样由标准组织定义的 normative decoder specification。当前 31 页手册是作者在 2023–2025 年汇总的 living document；它要与 C 源码和自动测试一起读。作者在邮件讨论中说得更直接：各 mode 不互操作；项目整体仍被视为可演进；他倾向用“文档 + 参考 C + 自动测试”而不是纯纸面规范来定义实际算法。[C2-B-003–C2-B-005]

因此本档案严格分三个时间层：

1997 lineage：博士论文提供 NLP pitch、harmonic sinusoidal analysis、phase 和 LPC/LSP 的研究起点，但其最终量化 coder 是 8.3 kbit/s，不是今天的 1200/2400/3200。
2011 early Codec 2：DCC 幻灯展示 2550 bit/s alpha 和当时的方向，不是 1.2.0 的数值合同。[C2-A-011, C2-A-012]
release 1.2.0：今天真正需要 D2/D4 验证的是 commit 06d4c11e... 的函数、表、 bit packing 和 CTest；2025 手册只能提供概念地图。[C2-S-001–C2-S-008, C2-I-001]

一个已经发现的具体例子说明为什么必须分层：2025 手册 Table 2 将 2400 mode 的整帧写为 50 bits，但同表又标 20 ms / 2400 bit/s，数学上应为 48 bits；1.2.0 源码的 codec2_bits_per_frame() 和 codec2_encode_2400() 都明确为 48，且实际分配为 36 + 8 + 2 + 2 spare = 48。所以手册很有价值，但它不能替代 release-exact code。 [C2-M-023, C2-S-002, C2-I-002]

第一性原理：为什么能压到 1.2–3.2 kbps¶

1. 发送语音生成模型，而不是波形¶

对 voiced speech，短窗内的频谱能量会集中在 F0 的整数倍上。Codec 2 把一帧写成谐波正弦和，所有谐波共享一个 F0。对 unvoiced speech，这个模型并不真实，但 decoder 可通过随机相位去模拟噪声。这个归纳偏置丢掉了非语音、突变和复杂背景噪声的许多细节，但把原本随时间变化的数百个 PCM 点降到少数有物理意义的参数。[C2-M-003, C2-M-004]

2. 用 LPC/LSP 压缩“哪些谐波响”¶

谐波数量 L = floor(pi/Wo) 随 pitch 改变，直接量化每个幅度会产生变长参数和很高码率。 1200–3200 modes 将谐波幅度包络近似成 10 阶 all-pole vocal-tract filter，再把 LPC 转为有序、更适合量化的 10 个 LSP frequencies。decoder 重建 LPC spectrum，并在每个谐波频带上取能量得到幅度。[C2-M-014–C2-M-016]

这是一种极强的“最小充分表示”尝试：不传每个谐波，而传一个能生成全部谐波幅度的过滤器。代价是 LPC 会在高音说话人上追踪个别谐波而非包络，且低频边界、频谱峰带宽和非平坦 excitation 都会造成偏差。[C2-M-017]

3. 相位不发，在 decoder 内构造¶

相位是 Codec 2 最激进的删减。voiced frame 的激励相位按基频连续推进，vocal-tract filter 提供 minimum-phase 分量；unvoiced frame 则用随机相位。这省掉了大量 bits，但作者手册也明确记录了代价：耳机下质量下降、voicing error 会产生 click/static，与量化后幅度结合时还会继续降质。[C2-M-011–C2-M-013]

4. 10 ms 内核，20/40 ms 才发送¶

算法每 10 ms 做 pitch、voicing、幅度和语道分析，但为了省 bits，只每 20 或 40 ms 传某些参数，中间帧在 decoder 线性插值。这个区别极其重要：analysis frame rate 不是 transmission frame rate。码率下降的一部分本质是降低参数时间分辨率，不只是减少量化精度。 [C2-M-005, C2-M-007, C2-S-003–C2-S-005]

编码器：从波形到少量参数¶

NLP pitch：利用非线性把“丢失的基频”变回来¶

F0 估计不能只找频谱最大峰，因为麦克风和语道会把基频削弱，而高次谐波可能更强。 NLP 先对语音平方，利用 intermodulation 在 F0 产生分量；再 DC notch、低通、降采样、DFT 找峰，并搜索全局峰的子倍频，最后用谐波对齐能量做细化。[C2-M-008, C2-A-001]

1997 论文对 NLP 的评价比一个单一 score 更值得学习：它同时使用自动 pitch-reference match、人工 contour inspection 和通过正弦 coder 听伪影。自动测试里 NLP 报告 553 hits / 50 misses / 91.7% correct，但作者发现自动分数更高不一定更好听；加 backwards tracker 后自动正确率降到 88.1%，感知上重要的错误反而更少。[C2-A-002–C2-A-005]

这是一个早期但很深的 evaluator lesson：帧错误平均数没有按感知后果加权。高能 voiced 段的 pitch doubling 和低能 transition 中的偏差不应该同价。[C2-I-003]

Voicing：一个 bit 承担的大责任¶

Codec 2 用 MBE 变体比较实际频谱与“理想谐波系列”的拟合误差，从 1 kHz 以下能量构造 SNR，再以经验阈值输出 binary voiced/unvoiced。单 bit 使得码率很低，但混合声源、转换段和噪声会迫使它做过于粗糙的决策。相位合成又依赖这个决策，所以 voicing error 会被放大成 click、buzz 或粗糙背景声。[C2-M-009, C2-M-012]

Quantisation：用显式码本和标量规则代替 learned latent¶

3200 用 scalar-quantised LSP differences，2400 用 scalar LSP + joint pitch/energy VQ，1200 用 27-bit three-stage LSP VQ + 两个有跨帧预测状态的 pitch/energy VQ index。这些 source-embedded tables 是算法状态，不能因为没有 .pt checkpoint 就宣称“零参数”。D2 将区分：手工系数、经验阈值、由训练数据生成的 codebook，以及 runtime state。[C2-S-003–C2-S-006, C2-I-004]

解码器：从参数到可懂语音¶

decoder 先拆出 voiced、pitch/energy 和 LSP，将 20/40 ms 才收到的参数插值回 10 ms。LSP 转回 LPC 后，通过每个谐波频带内的 LPC spectrum energy 恢复幅度。频域 post-filter 加强 formant peaks、降低 inter-formant energy，其 beta=0.2 与 gamma=0.5 是经验常数；作者认为它尤其改善低音男声，但机理未完全理解，设错也会降质。[C2-M-018, C2-M-019]

相位由 excitation phase + minimum-phase LPC filter 合成，voiced 段让 pitch pulse 在帧间连续，unvoiced 段随机化。然后把谐波幅度和相位放进 DFT bins，做 IFFT 得到时域帧，用三角窗 overlap/add 拼回连续语音。[C2-M-010, C2-M-020]

这个 decoder 本质上是一个强结构生成器：它不是去找原始 waveform，而是生成一个与所收参数一致的“合理人声”。因此感知上的自然度、speaker identity 和微妙表达可能在内容仍可懂时已变化；这些不能由一个 waveform metric 代表。[C2-I-005]

1200、2400、3200 三个模式¶

mode	外层 frame	raw bits	主要参数	本质取舍
3200	20 ms	64	50-bit LSP differences + 7-bit pitch + 5-bit energy + 2 voicing	最高时/频精度；LSP-difference error 可累积
2400	20 ms	48	36-bit scalar LSP + 8-bit joint pitch/energy VQ + 2 voicing + 2 spare	同样 20 ms，但用 joint VQ 省 16 bits
1200	40 ms	48	27-bit three-stage LSP VQ + 2×8-bit predictive joint pitch/energy + 4 voicing + 1 spare	码率减半主要靠 LSP 每 40 ms 才更新

此表的 raw frame 长度以 release-exact C 为准。[C2-S-002–C2-S-006]

它揭示了一个对 AI 进化非常重要的事实：“low-bit 化”不是单轴 compression knob。1200 不只是 3200 的粗量化版；它同时改了参数更新节奏、量化器类型、帧延迟和 error-memory 结构。不同码率可能需要不同的 representation，而不是强迫一个模型线性缩放。[C2-I-006]

手册还特别提醒：3200 的 LSP differences 以及 2400/1200 的 joint-delta pitch/energy 会产生误差传播，不适合高 BER。这与手册开头“Codec 2 在几个百分点 BER 仍可懂”的宽泛描述不能无条件合并；鲁棒性必须绑定 mode、bit importance、FEC/interleaving 和通道模型。[C2-M-021, C2-M-024, C2-I-007]

官方怎样 evaluation¶

A. 1997 论文：方法学很强，但不是当前 codec 基准¶

论文把 evaluation 分成 objective、formal subjective 和 informal subjective，并直说低码率 sinusoidal coder 丢相位后，SEGSNR 等 waveform measure 并不适用；它分别用 spectral distortion 评 LSP、用自定义 SNR 评 phase，再用听感检查伪影。[C2-A-006]

论文附录公开了它的 informal protocol：总共 196 秒，包含 2 位澳洲男声、2 位澳洲女声、 25 位英国说话人和 BBC 快速新闻；作者以约 3 秒片段对比，用耳机和 hi-fi speaker，很多判断由作者一人完成。这是诚实、可理解的开发测试，但没有随机化、盲测、多听者原始票和置信区间。 [C2-A-007]

LSP quantiser 的 1997 数据反而特别有启发：22 分钟 TIMIT 训练，24 秒小测试集上 average SD 1.05 dB，但到 120 秒 BBC 新闻上变成 2.31 dB，49.45% 帧超过 2 dB、13.76% 超过 4 dB。作者明确将它归因于训练材料太少、录音和频谱条件不同。这是“小数据 codebook 域外崩溃”的早期清晰证据，但是该 8.3 kbit/s 原型的结果，不是 Codec 2 1200 的官方 SD。[C2-A-008, C2-A-009]

B. 2011 DCC：算法路线快照，没有评分协议¶

DCC 幻灯已经包含 pitch、MBE voicing、LPC/LSP、energy、post-filter 和 phase synthesis 的骨架，但仅显示 2550 bit/s alpha 和 future-work 清单；它没有 dataset manifest、listener protocol、MOS/PESQ 表或可运行 acceptance threshold。它可以证明概念沿革，不能作为 1.2.0 的论文数字进行交叉复现。[C2-A-011, C2-A-012]

C. 当前作者手册/主页：有定性结论和样音，缺正式得分资产¶

作者主页提供原声、Codec 2 modes 和若干对照的听感链接，手册也做了“3200 在同码率可与闭源 codec 比较”、“1300 可用于 HF”等定性陈述。但当前固定资产中没有与 1200/2400/3200 一一对应的现代标准数据集、baseline binary identity、raw votes、formal listening protocol 和可验证统计。所以 D4 可以审计与播放作者样音，不能伪造一个本地 MOS 来宣称论文复现。[C2-B-001, C2-B-002]

手册对 700C 的德语和日语问题有作者经验性记录，同时说明 VQ 仅用 120 秒训练数据。这是重要 risk signal，但它既不是选定的 1200/2400/3200，也没有给出德/日语数据集、人数或分数；不能扩展成“Codec 2 不支持德语/日语”。[C2-M-022, C2-I-008]

D. release 1.2.0 CTest：可运行，但主要是 smoke/construction test¶

release CMake 为 3200、2400、1200 各有一条 c2enc | c2dec | sox 测试。它们能验证进程成功、产生 WAV，但没有对这三条设置 reference hash、sample tolerance 或感知阈值。相比之下，700C 还有 Octave-port internal-state comparison，但它不属于本次三个选定点。[C2-S-007, C2-S-008]

因此 Codec 2 的“官方 evaluation”应该被分解为：

证据家族	能复现什么	不能推出什么
release API/bit asserts	frame/bits/mode contract	音质
upstream CTest	build/runtime/smoke，部分 internal port	论文 MOS 或跨实现 bit-exact
1997 objective tables	早期组件与域外风险	当前 1.2.0 mode score
author samples/qualitative notes	作者的听感边界	盲测统计、多语通用性
EvoSpeech D5	同语料/同指标/真实 bits 横评	上游论文原始协议的代替

证明了什么、没证明什么¶

已有较强一手支持¶

Codec 2 的主干是 harmonic sinusoidal model，选定三 mode 用 LPC/LSP 表示频谱幅度；
NLP pitch、MBE-derived binary voicing、phase synthesis、IFFT overlap/add 和 LPC post-filter 有作者数学手册；
1200/2400/3200 的 40/20/20 ms、48/48/64 bits 和 bit allocation 有 release-exact C 源码；
1997 研究已清楚识别客观指标与听感不一致、小训练集域外失败等问题；
当前 upstream 明确将 C 源码和自动测试视为算法定义的一部分。

尚未建立¶

任一选定 mode 在标准公开语料上的作者 MOS/PESQ/POLQA/ViSQOL 目标值；
release 1.2.0 与作者网页所有历史样音的 binary/protocol 一致性；
德、法、西、中、日、韩的词义保真、实体正确率、说话人或表达保留；
选定三 mode 在真实 BER/FEC/modem/radio 下的鲁棒性；
“与同码率闭源 codec 相当”的现代、可审计多听者证据；
在 2026 神经 codec 的任何给定 latency/compute/rate slice 上仍是 SOTA。

正确定位是：Codec 2 是一个极低码率、低资源、可解释的传统参数 codec 锚点。它的价值不是预先获得“音质冠军”，而是迫使我们回答：一个更大的 SOTA 模型在 1.2–3.2 kbps 时，它多花的算力和参数到底买到了什么？是更好的内容、identity、expression、noise generalisation，还是只有更好的 waveform metric？

对 EvoSpeech 的启发¶

明确写出 inductive bias。 Codec 2 因为直说“人声=谐波+语道包络+声带状态”，每个错误都能对应 pitch、voicing、LSP、phase 或插值。未来神经 baseline 也应该把 latent 中的假设说清。
不要迷信单一 aggregate。 NLP tracker 的客观正确率变差但更好听，证明 evaluator 必须对错误后果加权，并保留 breaker examples。
“降码率”可以改变表示家族。 3200/2400/1200 不是只改一个码本数；自动科研应允许 frame rate、quantiser、prediction 和 mode routing 一起变化。
小 codebook 的核心是 domain coverage。 1997 LSP 域外崩溃和 700C 训练不足都提醒我们：多语、麦克风、噪声和说话人覆盖不是最后加一个 test set，而是 representation 能否泛化的一部分。
把参数体积和运行代价分开。 没有 checkpoint 不等于没有训练 codebook；静态表、代码、RAM、 encoder compute 和 decoder compute 要分开计账。
把感知损伤归因到 mechanism。 click、buzz、reverberation、rough noise 可以生成定向反例； AI 进化的 breaker 不应只是随机新句子。
把 codec 与 radio stack 分开。 Codec 2 raw bits、wrapper、FEC、modem、interleaver 和 RF channel 是不同层；不能用 clean round-trip 宣称完成 HF/VHF 通信评估。
SOTA-first 与 low-bit 锚点不冲突。 Codec 2 负责提供可解释的下界和失败类型；现代 SOTA 负责检验更强表示在同 bits 下能否“降维打击”。两者都是 Pareto 地图必需的锚点。

D1 形成的 D3/D4 入口¶

claim family	D1 判定	D3 必须冻结	预期 verdict
1.2.0 frame/bit allocation	release C 完整	API query、bit count、all-zero/impulse/random 边界	exact
selected-mode upstream CTest	命令完整，acceptance 弱	fixed source build、CTest names、exit/output/hash	exact smoke
deterministic encode/decode	源码 asserts 存在	repeated-run bitstream/output hashes、source-blind decode	exact project extension
700C Octave internal port	完整但不在 D5 点	作为 upstream-suite coverage，不冒充选定点	exact auxiliary
1997 pitch results	数字/方法在论文，原始 DB 未冻结	asset、reference labels、historical code audit	likely blocked
1997 subjective conclusions	informal/small/single-author	样音可用性、票和 protocol audit	blocked as formal replay
author website samples	可听但无统一 protocol	URL/hash/mode/baseline/binary 对应	audit-only
1200/2400/3200 public benchmark	项目已有父证据	180 rows、raw bits/payload、quality/content/resource	exact project protocol
BER/FEC/radio	属于另一层	mode-specific bit errors、FEC、interleaving、channel	D6/D7 独立协议

D2 不会再重复概括手册，而是进入 fixed source 06d4c11e...：从 codec2_create() 的 mode dispatch，跟到 analyse_one_frame()、NLP/voicing/LPC/LSP quantisers、每个 selected encode/decode function、bit packing，再到 phase/post-filter/IFFT synthesis。同时计数并分类所有静态表，只有这样才能把 paper-to-code map 和运行合同真正对上。

Primary-source artifact manifest¶

Source	pages / bytes	SHA-256	用途
Codec 2 Algorithm Description	31 pp / 316,470 B	`957f9b8163c4bd34b573593c035bcee79204450a373f027377c36a48e1050f49`	living algorithm map
Techniques for Harmonic Sinusoidal Coding	155 pp / 829,457 B	`bdef92ddacf9431613bef0c0a7ede0f883e0bb90415ddac40da528a284ea7585`	NLP/sinusoidal/evaluation lineage
DCC 2011 Codec 2 slides	19 pp / 461,077 B	`7610160ea25b4c1c95165ef37e0fe68c8f08949ee622b878d2abf3a765fd541c`	early Codec 2 architecture snapshot
Author project page	24,778 B	`e8765e9f9847c8fcaedebcaccffbd3ba8b7aa69275ffa4d6253b5719c95ade9e`	purpose and sample boundary
Algorithm-document discussion	88,106 B	`ac0b743ba9aa958502ca1f305b1529343ea806c5cf6f9531864fbd325b147c8c`	author scope/interoperability statements
Release 1.2.0 README	9,268 B	`da7db4e687ba20ce687e8e7187f59bb29f95c40c303806b710fd97027d924909`	build/CLI/test boundary
Release 1.2.0 codec2.c	61,415 B	`de5b4f46a2081b3fc8d20edf119df6154c69bb7f8117bab61b841167be8972f3`	release-exact mode contract
Release 1.2.0 CMakeLists	76,579 B	`d67be464eb18a0664c91c4197de00ab92e85064528ac1cfa11bd045ae74ede41`	official test inventory

2025 手册和 2011 幻灯已全部逐页渲染检查；1997 论文则渲染检查了目录、speech-quality method、NLP evaluation、phase listening、quantiser test 与附录听感协议等 20 个关键页。文本抽取只用于定位和交叉核对，没有代替图表、页码和脚注的视觉审查。结构化逐条证据见 research/models/codec2/paper_claims.json。

Codec 2 1.2.0：核心代码深读与确定性执行证据¶

D2 · 核心代码深读¶

本页回答的不是“Codec 2 听起来好不好”，而是四个更靠前、可以由源码与执行直接裁决的问题：

固定的 1.2.0 release 到底执行了什么函数链；
1200、2400、3200 三档的差别到底在哪里；
没有神经网络 checkpoint 是否真的等于“零参数”；
evaluator 收到的 bytes 究竟是表示本身、上游可选文件头，还是 EvoSpeech 为 source-blind decode 加的传输元数据。

D2 使用的唯一上游代码身份是 tag 1.2.0、commit 06d4c11e699b0351765f10398abb4f663a984f36、release archive SHA-256 cbccae52b2c2ecc5d2757e407da567eb681241ff8dadce39d779a7219dbcf449。42 个实际阅读和计账的源文件分别写入 code_map.json；函数行号也全部指向该 commit。运行证据来自本机 Homebrew 1.2.0 arm64 bottle 中固定 hash 的 c2enc、c2dec 与 libcodec2.1.2.dylib。

这里必须先订正 D1 的一个术语。源码常量叫 LSP_PRED_VQ_INDEXES，但 1200 路径的 encode_lsps_vq() 实现是一个三级 LSP VQ：第一阶段量化完整十维向量，第二、三阶段分别量化偶数和奇数位置的残差。它本身没有跨帧 LSP predictor。真正有跨帧预测状态的是 2400/1200 共用的 joint pitch-energy VQ： xq_enc[2] / xq_dec[2] 经过 0.8、0.9 两个 predictor coefficient 递推。D1 文档和结构化 claim 已同步改为 “three-stage LSP VQ + predictive joint pitch-energy VQ”，避免从名字反推不存在的机制。

固定代码面与可信边界¶

Codec 2 的可执行定义不是一个文件。最小闭环由以下几层构成：

层	固定文件	本轮读取的事实
public API	`codec2.h`	mode 常量、create/destroy、encode/decode、bits/samples per frame
route/state	`codec2.c`, `codec2_internal.h`	mode dispatch、共享分析/合成、跨帧状态、三档实现
analysis	`nlp.c`, `sine.c`	非线性 pitch、谐波 refinement、幅度、MBE voicing
envelope	`lpc.c`, `lsp.c`, `quantise.c`	LPC/LSP、能量、标量/VQ、错误恢复与 postfilter 输入
decoder	`interp.c`, `phase.c`, `postfilter.c`, `sine.c`	插值、phase generation、背景噪声处理、IFFT/overlap-add
representation	`pack.c`, `c2enc.c`, `c2dec.c`	MSB-first fields、raw stream、可选 `.c2` header、CLI 边界
build tables	`src/CMakeLists.txt`, `generate_codebook.c`, `src/codebook/*.txt`	哪些表进入 binary、表维度与生成方式
project transport	`codecs_/codec2_payload.py`	`.bin` raw representation 与 `EVSC2V01` wrapper 分账

这也是为什么“读论文摘要 + 跑命令”不算完成。手册解释为什么使用正弦模型，codec2.c 决定当前模式每一位的含义，codebook 文件决定运行时搜索空间，CLI 文件又决定输出后缀是否偷偷加 header。任何一层没读，都可能得到一个数值看似合理、身份却错误的 benchmark。

本轮没有把整个 FreeDV repository 都算作 Codec 2 endpoint。调制、FEC、OFDM、FreeDV framing、700C/newamp、 LPCNet/FreeDV 2020 都存在于同一源码树，但不在当前 1200/2400/3200 的干净文件路径中。它们以后若作为新的 endpoint，必须重新固定 build flag、模式、码流和参数计账，不能借用本页结论。

状态、初始化与 mode dispatch¶

codec2_create(mode) 先检查 mode 是否在编译时启用，然后分配一个 struct CODEC2。这个对象不是一个无状态函数的包装；它同时容纳 encoder 和 decoder 的长短期记忆：

8 kHz、10 ms hop、pitch window 等派生常量；
analysis/synthesis FFT plan 与 window；
输入 speech history Sn、输出 overlap/add history Sn_；
NLP estimator 的滤波、平方信号与 previous-F0 state；
previous decoded sinusoidal model、previous LSP、previous energy；
joint pitch-energy VQ 的 encoder/decoder 两组二元素递推状态；
excitation phase、background estimate、LPC postfilter 的 beta/gamma 与 bass-boost 开关。

初始化随后把 encode / decode function pointer 绑定到 mode-specific 函数。对当前三档分别是 codec2_encode_3200 / codec2_decode_3200、...2400、...1200。公共 codec2_encode() 不再判断码率，而是调用已绑定函数。这种结构的意义不只是 C 工程风格：它说明 mode 是 decoder 状态身份的一部分，不能从一个 headerless byte array 可靠推断。

codec2_bits_per_frame() 与 codec2_samples_per_frame() 给出 release-exact 合同：

mode	samples/frame	bits/frame	external frame	nominal rate
1200	320	48	40 ms	1.2 kbit/s
2400	160	48	20 ms	2.4 kbit/s
3200	160	64	20 ms	3.2 kbit/s

内部 n_samp 固定是 80 samples，即 10 ms。外部 frame 只决定一次调用聚合两个还是四个 internal hop，以及哪些参数在哪一个 hop 才更新。这是理解 low-bit 的关键：bitrate 不只决定每个数用几位，还决定时间采样结构。

真实 encoder 调用链¶

三档共享的 encoder 骨架可以压缩为：

PCM16 frame
  → 每 80 samples 调 analyse_one_frame
      → shift Sn history + dft_speech
      → nlp coarse pitch
      → two_stage_pitch_refinement
      → estimate_amplitudes
      → est_voicing_mbe
  → 在指定 hop 调 speech_to_uq_lsps
      → autocorrelation → Levinson-Durbin → LPC energy
      → LPC bandwidth expansion → LPC-to-LSP roots
  → mode-specific pitch/energy/LSP quantiser
  → pack(MSB first, exact field width)
  → assert packed bit count == mode contract

analyse_one_frame() 每次把旧 Sn 左移 80 个样本，放入新 speech，计算 windowed DFT，再依次调用 pitch、harmonic、 amplitude 和 voicing 模块。它只形成未量化的声源/谐波模型；LPC/LSP 并不在这里每 hop 无条件执行，而由各 mode 在需要发送 spectral envelope 的 hop 上调用。这解释了为何 1200 第 2 个 hop 仍会做一次 LPC energy 分析，但直到第 4 个 hop 才发送 LSP：energy 与 spectral-envelope update schedule 并不完全相同。

编码函数在打包前把目标 buffer 清零，并在最后 assert(nbit == codec2_bits_per_frame(c2))。这条 assert 能抓到开发者改变 field width 却忘记更新 frame contract 的错误，但不是互操作 conformance：它没有独立 decoder、golden bits 或语音质量 oracle。

nlp() 的“non-linear”不是神经网络。它把最近的新 speech samples 平方，经 DC notch 与 low-pass FIR，按固定比例 decimate 后送入 DFT。然后在允许的 pitch-period 范围搜索 global spectral peak，再用 post_process_sub_multiples() 检查整数 submultiple。这个 postprocessor 会参考 previous F0，并包含作者在源码中明确称为 experimentally derived / “magic number”的 threshold。最后得到的 coarse period 还不是最终 Wo。

two_stage_pitch_refinement() 在 coarse 周围做两级 harmonic-sum search，让 integer harmonics 与 speech spectrum 更好对齐。estimate_amplitudes() 在每个谐波 band 内累计 spectral energy，形成 MODEL.A[m]；正常 selected path 不需要保存原始 phase。est_voicing_mbe() 比较观测 low-frequency spectrum 与理想 harmonic reconstruction 的误差，再用 threshold 得到一位 voiced/unvoiced。

这条调用链解释了 D1 中历史 pitch 结果为何不能直接当 codec quality：pitch tracker 可以降低 frame accuracy 却减少更难听的 gross error；voicing mistake 又会改变 phase generation，从而产生 click/static。一个 upstream 单元的分类误差，会经生成式 decoder 非线性放大，最终损失取决于能量、语音位置和相邻状态，不等价于均匀的 frame error count。

同样，本轮的确定性多音 probe 不是 pitch benchmark。它只迫使 analysis/synthesis 路径实际执行并检查 framing；没有 pitch ground truth，因此绝不产生“pitch estimator 正确”的结论。

LPC/LSP：把谐波幅度压缩成十个频率¶

speech_to_uq_lsps() 对 windowed speech 做 autocorrelation，使用 Levinson-Durbin 得到 10 阶 LPC，另外计算 residual energy。它先基于未扩展 LPC 计算 energy，再给系数施加 15 Hz bandwidth expansion，降低 LSP root finding 偶发失败的风险。lpc_to_lsp() 若没找到恰好十个 root，就返回一个均匀、良性的 LSP vector，而不是让无效 spectrum 继续传播。

LSP 比直接量化 LPC 更适合这里，因为它有有序频率的解释并可较安全插值，但代码仍需要两类保护：

check_lsp_order() 修正解码后失序；
bw_expand_lsps() 强制低频/高频段的最小间距。

这些保护也是“decoder 生成 plausible waveform”的证据：收到的离散 index 不会机械还原原波形，而是进入一个带稳定性约束、插值、修正、postfilter 的语音生成器。它可能保持内容但改变 speaker/expression；D2 不能用结构合理性代替 D5 的实测。

aks_to_M2() 再将重建 LPC spectrum 映射回每个 harmonic magnitude，并可执行 LPC postfilter、bass boost。这样传输十个 LSP + energy 就能生成数量随 pitch 变化的 harmonic amplitudes，这是从 waveform 维数“降到最小声学描述”的核心。

3200、2400、1200：不是同一旋钮的三个刻度¶

3200 的外部 20-ms frame 包含两个 10-ms analysis hop。第一个只发 voicing；第二个发 voicing、7-bit linear pitch、 5-bit scalar energy 和 50-bit LSP differences。encode_lspds_scalar() 不是把十个绝对 LSP 独立量化：第 i 个值是当前 LSP 与“前一个已经量化的 LSP”之差，因此一个错误可影响同一帧后续频率重建。十个 difference grid 各 32 levels，共 320 个设计型 scalar values。

2400 保持 20-ms frame 与两个 10-ms voicing decisions，但做两次架构替换：

pitch 与 energy 不再分别用 7+5 bits，而用一个 8-bit joint VQ index；
LSP 改为十个 absolute scalar codebooks，总计 36 bits，而非 50-bit differences。

再加两个 spare bits，恰好 48。joint VQ 在 log-pitch/log-energy domain 中计算感知加权残差；此前重建状态分别乘 0.8、 0.9 后参与预测。它节省位数，却要求 encoder/decoder 的 xq history 完全同步。一个坏 index 的影响不一定在当前 frame 结束，因此 clean-file trace 与 BER robustness 是两个不同实验。

1200 每次吃 40 ms，也就是四个 analysis hop。voicing 每 10 ms 仍发一位；joint pitch-energy 在第 2 和第 4 hop 各发 8 bits；LSP 只在第 4 hop 更新一次。十维 LSP 的第一级有 512 个中心（10×512 floats），随后偶数与奇数坐标的 residual 各用一个 5×512 codebook，三个 index 各 9 bits，总计 27。再加 1 spare bit，整帧 48 bits。

因此从 3200 到 1200 同时改变：external frame duration、LSP update rate、quantiser family、是否使用 cross-frame pitch-energy prediction、table footprint、interpolation span 与 error-memory。对 EvoSpeech 的直接启示是：未来自动进化不应只搜索“RVQ stage 数”或“token rate”；更新频率、状态同步、参数耦合和 decoder prior 都应是可改变的研究变量。

decoder、插值、phase 与 overlap/add¶

selected decoder 先按 mode 的 exact field order unpack()。没有发送的 10-ms 值由前一 frame 状态和本帧 endpoint interpolate：pitch 的插值还会根据前后 voiced flag 选择 midpoint、前值、后值或 Wo_min；energy 用 geometric mean；LSP 则按 0.5（20 ms）或 0.25/0.5/0.75（40 ms）线性插值。

每个恢复的 10-ms model 随后执行：

LSP → lsp_to_lpc → aks_to_M2 → apply_lpc_correction
    → sample_phase → phase_synth_zero_order
    → postfilter → synthesise(IFFT + overlap/add)
    → ear_protection → PCM16 clip

sample_phase() 从 reconstructed LPC filter 取得每个 harmonic 的 synthesis-filter phase。 phase_synth_zero_order() 对 voiced frame 延续 ex_phase += Wo*n_samp，对每个 harmonic 乘以 harmonic number；对 unvoiced frame 则用 codec2_rand() 产生随机相位。源码不传 pulse position，也不传原始 phase trajectory。

这里出现了一个实现层面的并发风险：codec2_rand() 的 LCG state next 是 sine.c 文件级 static，不是 struct CODEC2 成员。两个 decoder instance 在同一进程交错执行时会共享这个全局 sequence；它也没有显式线程同步。本轮 CLI trace 每次启动新进程，因此重复 decode 从相同初值开始并逐字节一致，但这不能证明一个多实例、并发 library deployment 具有同样的 instance-local determinism。这个差距已进入 release-gap ledger，而不是被重复性数字掩盖。

decoder postfilter 还维护 bg_est：只在低能量 unvoiced frame 更新背景估计，在 voiced frame 中把低于背景 margin 的 harmonic phase 随机化，试图降低 clicky background noise。这不需要发送额外 bits，但把 history、threshold 与 RNG 变成输出的一部分。最后 synthesise() 把 complex harmonics 放进共轭频谱，IFFT 后用 trapezoid window 与旧 Sn_ overlap/add； ear_protection() 与 PCM16 clipping 负责限制异常能量，而不是修复 bit error。

参数、表、阈值与 runtime state 的四本账¶

“传统 codec 没有 checkpoint，所以 parameters=0”是错误口径。本轮按来源与角色拆成四类：

data-derived VQ table：1200 的三阶段 LSP VQ 共有 10,240 floats，2400/1200 共用的 pitch-energy gecb 有 512 floats，unique total = 10,752 parameter elements。它们决定 nearest-neighbour search 的中心，应进入 learned / data-derived endpoint parameter count。
designed scalar grid：2400 absolute-LSP grids 132 floats，3200 difference-LSP grids 320 floats，合计 452。文件中是规则化、可直接审阅的量化 levels；本页不把它们伪装为 corpus-trained weights，但仍属于 algorithm tables。
designed coefficients / empirical thresholds：如 Wo/E predictor [0.8, 0.9]、LPC postfilter beta/gamma、NLP FIR、 voicing threshold、background threshold/margin。它们影响行为，但和从数据得到的 VQ centres 分账。
runtime working state：FFT plan/window、speech buffer、NLP history、previous F0/model/LSP/energy、encoder/decoder xq、 excitation phase、overlap/add、background estimate。它随 stream 变化，是 memory/state，不是 learned parameter。

10,752 的边界是“三个 selected modes 可到达的 unique VQ floats”，不是整个 libcodec2 二进制里所有 mode 的 table。 700C/newamp tables 虽然也被默认 library build 编译，当前 endpoint 不执行；installed dylib size 也另行报告，不能把 file bytes 除以四冒充 parameter count。

另一个限制是训练 provenance。release 保留最终 lspjmv*.txt 与 gecb.txt，并在源码明确指出 joint Wo/E VQ 针对 8 kHz trained；但这个 archive 没有提供可从原始 corpus、seed、命令完整重生全部 10,752 数值的流水线。我们可以验证 table 维度、hash、生成到 C 的过程和 runtime lookup，不能声称“重训复现”。D3 会据此把 author-native reproduction 分成可严格执行与 asset 缺失两类。

raw bitstream、`.c2` header 与 EVSC2V01¶

pack() / unpack() 只操作 MSB-first fixed fields。headerless raw stream 没有 magic、mode、sample count 或 checksum。尤其 1200 与 2400 都是六 bytes/frame，却分别表示 40 ms 和 20 ms；只看文件长度不可能知道正确 decoder。

上游 CLI 有一个容易漏掉的 suffix contract：若 c2enc 输出文件名以 .c2 结尾，它会先写一个 struct c2_header，内容包括 magic、release version、mode 与 flags。输出 .bin 则不写 header。D2 trace 故意使用 .bin，因此 60/120/160 bytes 是纯 representation；不是把一个带 metadata 的文件大小当 nominal codec payload。

EvoSpeech 正式 benchmark 又需要 decoder source-blind 且可独立运行，所以 codec2_payload.py 在 raw stream 外封装 EVSC2V01，包含 mode、原始 16-kHz length、raw byte count/hash、固定 encoder/decoder hash。计账同时保留：

representation_bits = len(raw_bitstream)*8；
raw_bitstream_bytes；
complete serialized wrapper bytes；
runtime/library footprint 与 external checkpoint bytes。

wrapper 不是免费，也不是 Codec 2 算法位率；它是 evaluator transport metadata。formal adapter 在临时文件中使用 .bin。 D2 还发现 legacy Codec2Codec 曾使用 out.c2 却在 docstring 声称 no container，导致 payload_bytes 混入 header。本轮已改为 out.bin 并加测试，防止旧 registry 入口与正式 benchmark 的口径再次分裂。

确定性 mechanism trace¶

scripts/trace_codec2_code.py 生成 0.4 秒、3,200 samples、8 kHz mono PCM16 的三分量确定性波形。它不是 speech sample，不含 transcript、speaker 或 quality ground truth。0.4 秒同时整除 20 ms 与 40 ms，避免末帧 truncation 混入机制检查。

每档执行两次独立 encode，并对同一 bitstream 启动两次独立 decode。实测为：

mode	raw frames	bytes/frame	total raw bytes	repeated encode	decoded samples	repeated decode
1200	10	6	60	byte-identical	3,200	byte-identical
2400	20	6	120	byte-identical	3,200	byte-identical
3200	20	8	160	byte-identical	3,200	byte-identical

trace 在运行前重新 hash 42 个固定 source 和三个 runtime artifacts；任何 source、binary 或 table 改变都会中止。decoder 命令只得到 mode、raw stream、固定 binary 与输出路径，没有 source PCM。生成的每个 bitstream/decoded PCM hash 记录在 measurements/code_trace.json，并可用 python3 scripts/trace_codec2_code.py --check 重跑比较。

这里的 “packet_summary” 只是沿用项目统一 validator schema，字段明确标注为 headerless fixed-size Codec 2 frames，绝不声称它们是 RTP/network packets。raw framing overhead 在这个 CLI 文件实验中为零；实际网络若增加 FEC、interleaver、 modem 或 packet header，必须另计。

release surface gaps：源码没有替我们证明什么¶

D2 明确保留七个边界：

living manual 比 1.2.0 新，2400 table 还存在 50/48-bit discrepancy；exact 数字由 release source 裁决。
raw stream 不自描述；mode metadata 是正确 decode 的必要条件，但须与 representation 分账。
selected-mode CTests 只有 process-success，没有 independent implementation、golden vector 或 perceptual threshold。
final VQ tables 存在，但完整 corpus-to-table training provenance 不在 selected archive 中。
clean trace 没执行 BER、soft decision、FEC、modem 或 radio channel；stateful VQ 的 error propagation 仍待独立协议。
单机 byte repeat 不是 quality，也不保证跨 compiler/libm/architecture bit identity。
unvoiced RNG 是进程级 static global state；CLI 单实例重复性不代表同进程多 decoder/thread 的 instance-local determinism。

这些不是对 Codec 2 的苛责，而是把“source exists”“program runs”“implementation conforms”“speech is good”四种不同主张拆开。D2 只把前两种推进到强证据；第三种取决于 D3 的 official assets，第四种必须由 D5 common benchmark 和 D6 人工校准回答。

D2 对 D3/D4/D5 的直接约束¶

D3 的 paper-native protocol 不能凭空制造一个“官方 MOS 表”。它应首先盘点 release/source 是否存在：golden bitstream、 reference PCM、independent decoder、pitch labels、LSP training/test vectors、作者 listening stimuli 与 raw votes。不同 claim 分别标为 strict、approximate 或 blocked，不能用现有 public common benchmark 反向冒充论文复现。

D4 若执行 upstream selected-mode tests，结论只能是 fixed release smoke path passed。若重跑 thesis pitch/LSP component metrics，必须固定对应历史 code/data identity，不能把 1997 result 贴到 2023 release。VQ training provenance 缺失时，应报告 “runtime table identity reproduced, training regeneration blocked”。

D5 则固定使用真正的 .bin representation 与 EVSC2V01 transport，至少报告：measured raw bitrate、complete payload bytes、 8→16 kHz normalization、narrowband-aware quality、内容、speaker、资源与公开样本 blind listening。Whisper/SenseVoice 已在父级公共协议中执行过，不因 D2 再跑；D2 也没有恢复任何个人录音硬要求。

D2 允许与禁止的结论¶

现在可以说：

已把手册中的 harmonic/LPC/LSP/pitch/voicing/phase 机制逐项定位到 fixed 1.2.0 source；
三档确实是不同 temporal/quantiser/state architecture，而非同一算法的码率参数；
三档 raw frame contract 在 fixed runtime 上执行成立且对 deterministic probe byte-repeat；
selected endpoint 含 10,752 个 data-derived VQ parameter floats、452 个 designed scalar-grid floats，并有大量独立 runtime state；
formal project decoder 不接触 source waveform，mode/length/hash metadata 与 representation bytes 分账；
找到并修复了 legacy .c2 suffix 导致的 header/payload 口径错误。

仍然不可以说：

Codec 2 的 1200/2400/3200 quality、intelligibility、speaker 或 expression 已由 D2 证明；
当前实现重现了 1997 thesis、2011 alpha 或作者主页听感结论；
final VQ table 的训练过程已复现；
fixed CLI 与任何独立 implementation bit-exact interoperable；
clean-file repeatability证明 BER、packet loss、radio 或多线程部署可靠；
没有外部 checkpoint 就等于算法没有 data-derived parameters。

D2 的最终价值不是多一张漂亮架构图，而是让下一步评价不再研究一个身份模糊的“Codec 2”。从现在开始，每个指标都必须对应：明确 mode、明确 raw bytes、明确 state reset、明确 release、明确数据与明确允许的结论。

flowchart LR PCM["mono PCM16 · 8 kHz"] --> HOP["10-ms analysis hops"] HOP --> NLP["NLP pitch · square / filter / DFT / submultiples"] HOP --> SIN["harmonic analysis · pitch refinement / amplitudes / MBE voicing"] HOP --> LPC["10th-order LPC → ordered LSP + energy"] NLP --> MODEL["sinusoidal model · Wo / harmonics / voiced"] SIN --> MODEL LPC --> MODE{"mode-specific quantiser"} MODEL --> MODE MODE -->|"3200 · 20 ms"| Q32["LSP differences 50b · pitch 7b · energy 5b · voicing 2b"] MODE -->|"2400 · 20 ms"| Q24["scalar LSP 36b · predictive joint Wo/E VQ 8b · voicing 2b · spare 2b"] MODE -->|"1200 · 40 ms"| Q12["three-stage LSP VQ 27b · 2×joint Wo/E VQ 16b · voicing 4b · spare 1b"] Q32 --> PACK["MSB-first fixed-field pack"] Q24 --> PACK Q12 --> PACK PACK --> RAW["headerless raw bitstream · mode supplied out of band"] RAW --> WRAP["EVSC2V01 · mode / length / hashes · separately accounted"] WRAP --> BLIND["source-blind decoder"] BLIND --> UNPACK["unpack + state-synchronous Wo/E predictor"] UNPACK --> INTERP["interpolate omitted 10-ms Wo / energy / LSP"] INTERP --> REC["LSP → LPC → aks_to_M2 harmonic magnitudes"] REC --> PHASE["sample_phase + zero-order voiced/random excitation"] PHASE --> POST["postfilter + inverse FFT + overlap/add"] POST --> OUT["mono PCM16 · 8 kHz"] TABLES["10,752 data-derived VQ floats"] -.-> Q24 TABLES -.-> Q12 GRIDS["452 designed scalar-grid floats"] -.-> Q32 GRIDS -.-> Q24 STATE["runtime history · not learned parameters"] -.-> NLP STATE -.-> UNPACK STATE -.-> POST

D3 · 论文原生复现协议¶

D3 结论：passed。 协议 codec2_1_2_0_paper_native_v1 已在任何正式 D4 结果产生前冻结。 Codec 2 1.2.0 的 release archive 能支持 release identity、官方命令链 smoke 和跨 build interoperability 检查；它不能支持 selected-mode 感知质量、历史 pitch/LSP 数字、听测或 VQ 训练过程的严格重放。D4 必须逐类报告 passed/failed/blocked/out_of_scope，不能用新的代理实验填补旧实验缺失的原始资产。

最重要的发现：官方 release 有 smoke assets，没有 selected-mode quality oracle¶

固定的 1.2.0 archive 包含六个 8-kHz PCM16 raw 文件、c2enc、c2dec 源码以及 CMake/CTest 命令。这足以回答一个有限但重要的问题：固定源码是否可以构建，1200、2400、3200 三条官方 encode → decode 命令是否成功，headerless bitstream 是否具有预期 frame/byte 数，decoder 是否恢复精确的样本数。

它没有附带三档模式的 golden encoded stream，也没有 reference decoded PCM、允许误差、MOS、 MUSHRA、ViSQOL、PESQ 或 listener-level votes。上游三个 selected-mode CTest 的实质 oracle 是命令成功；其中的 sox 只负责格式转换/输出，不比较质量。因此“CTest 通过”只能称为 executable smoke contract，不能写成音质、可懂度或论文 headline 指标复现。

这个区分对传统 codec 尤其重要。Codec 2 的 nominal rate 是算法 bit allocation，不自动证明 implementation conformance，更不证明主观质量。D4 同时记录 raw representation bytes、.c2 header 和项目 wrapper，禁止把容器/元数据混入或移出码率口径来制造优势。

Track A · release asset identity¶

D4 运行前先验证 release tarball 的 7,688,549 bytes 与 SHA-256，并逐项验证全部六个 raw/*.raw 成员及六个固定 harness/source 文件。六个 raw 文件全部入 manifest，不只登记最终选择的 hts1a.raw；这样可以防止以后同名文件被替换、裁剪或重新编码。

这个 track 是 strict_primary_artifact_check_not_headline_metric。任何 byte/hash 不同都会停止 D4，但全部相同也只证明输入与代码身份正确。它不会因为“官方仓库里有这个文件”就把该文件误称为独立 conformance vector。

Track B · fixed-source selected-mode smoke¶

主执行轨在 clean Docker Linux/arm64 中从固定 release archive 构建。Docker 的作用是记录 Linux、 compiler、CMake options、linked libraries 和 binary hashes，不是把容器本身当作科学正确性的证明。输入固定为 raw/hts1a.raw：mono signed PCM16 little-endian、8 kHz、24,000 samples、3.0 秒。

三档预注册结果只来自公开 frame contract，而不是运行后挑选：

mode	samples/frame	bits/frame	frames	raw bytes	decoded samples
1200	320	48	75	450	24,000
2400	160	48	150	900	24,000
3200	160	64	150	1,200	24,000

每档必须同时满足上游 CTest exit 0、直接 headerless encode 的精确 frame/byte 数、固定源码 decoder exit 0 和精确 24,000 个输出样本。缺任一行或任一命令失败，都使 PN-C2-SELECTED-MODE-SMOKE 失败；不能以其余两档平均通过掩盖。

Track C · `.c2` header 与 raw representation 分账¶

上游 test_codec2_mode_dot_c2 专门检查以 .c2 suffix 输出时写入的 file header，以及 decoder 从 header 检出 mode 8 的行为。D4 会运行该测试并记录 header bytes，但项目三档 benchmark 使用的 representation 是 headerless stream。.c2 测试通过不改变 450/900/1,200-byte raw payload，反之亦然。

这一轨直接吸收 D2 发现的 legacy adapter 问题：文件 suffix 会改变上游 CLI 行为，所以“临时文件名” 不是无关实现细节。当前 adapter 已固定使用 .bin，EVSC2V01 transport 中 mode、原始长度、hash 与 raw stream 分账。

Track D · same-revision cross-build diagnostic¶

D4 用同一个 hts1a.raw 比较两个 release-1.2.0 endpoint：Linux/arm64 fixed-source build 与 macOS/arm64 Homebrew bottle。三种 mode 分别由两个 encoder 产生六个 artifact，再交给两个 decoder，形成 3 modes × 2 encoders × 2 decoders = 12 行。

硬通过条件只有：每个 encoder 的 raw byte 数准确，每个 cross-decode exit 0，输出都是 24,000 samples。 bitstream SHA-256 是否跨 build 相同、同一 bitstream 的 decoded PCM 是否相同、首个差异 byte/sample 在哪里，全部原样报告为平台条件诊断。因为算法包含 floating-point analysis，D3 不在看到结果前假定不同 toolchain 必须 bit-exact；但也不允许出现差异后把它藏掉。

历史 pitch/LSP/listening 为什么 blocked¶

1997 thesis 和后续作者资料提供了有价值的算法谱系、实验方法与 aggregate 数字，例如历史 pitch tracker/NLP 百分比、LSP spectral distortion/outlier 表和听感结论。这些证据说明作者测过什么，却没有在当前冻结资产中提供完整 hand-labelled pitch frames、逐 frame labels、exact feature matrices/splits、 historical binaries、完整 stimuli 顺序、listener-level responses、screening 与统计脚本。

因此三类 claim 在执行前就是 blocked_before_execution。blocked 不表示作者结果错误，也不表示我们可以忽略它；它表示本项目不能计算一个有意义的 reproduction delta。换一批公共中文/英文，跑 Whisper、SenseVoice、ViSQOL 或由项目所有者听一遍，会形成“当前 1.2.0 的新实验”，不会恢复历史实验身份。那些当前模型结果只能进入 D5。

VQ runtime identity ≠ training reproduction¶

D2 已从 release-exact 调用路径计账：selected modes 触达 10,752 个 data-derived VQ float，即按 float32 为 43,008 bytes，另有 452 个 designed scalar-grid 元素。D4 可以核对最终 table 的源码身份、维度和 runtime 使用位置；这叫 runtime-table identity。

但 release archive 没有给出能从原始 corpus 一步生成所有最终 float 的完整闭环：缺完整训练语料/ features、预处理、split、seed、commands 和逐 table regeneration proof。因此 PN-C2-VQ-TRAINING 固定为 blocked。最终表存在不等于训练过程可复现，“传统 codec 没 checkpoint” 也不等于零 data-derived parameter。

metric、统计与失败规则¶

D4 的 strict metric 只有 artifact byte/hash、process exit、raw byte count 和 decoded sample count。单位是确定性的 build/mode/encoder/decoder case，不从总体抽样，所以不计算置信区间。上游三档 CTest 预期 3 行，header CTest 1 行，两个 build 的 direct encoder 6 行，cross-decode 12 行。summary 报告 passed/failed/missing；missing required row 必须失败，而预分类的历史 blocker 保持 blocked。

正式输出已预注册为 machine-readable summary、逐项 JSONL、Markdown report、完整 run log 和 build identity。runner 必须先验证所有输入/source hashes；不能先跑完再选择有利文件。任何新阈值、质量指标或数据集必须成为 D5 或新协议，不能在 D4 结果出现后回写 D3。

D3 允许与禁止的结论¶

D3 允许说：release 1.2.0 拥有足够资产执行三档 fixed-source smoke、.c2 header test、严格 byte/frame/ duration 检查和 same-revision cross-build interoperability；九个 claim family、输入身份、失败规则和五类输出已在正式结果前冻结；历史 component/listening 与 VQ training 因关键资产缺失被明确 blocked。

D3 仍禁止说：本地 build 已通过；Linux 与 macOS bit-exact；1200/2400/3200 的感知质量已复现；历史 91.7/88.1%、LSP distortion 或听测数字已被确认或推翻；Codec 2 优于任何 neural codec；以及已有公共 ASR/质量结果可以反向充当历史论文复现。下一步 D4 只执行本协议，完成后再单独冻结 D5 的 180-row 公共 benchmark 审计，不重跑已经完成的 Whisper/SenseVoice，也不要求个人录音。

Codec 2 D4 · paper-native reproduction report¶

Status: passed under frozen protocol codec2_1_2_0_paper_native_v1.

Official release smoke and framing¶

The release archive, all six bundled raw PCM assets and six frozen harness sources matched their D3 byte counts and SHA-256 values. The clean Linux/arm64 source build ran the three selected-mode upstream CTests and the .c2 suffix/header CTest. The two encoders produced all six expected direct streams: 450 bytes at 1200, 900 at 2400 and 1,200 at 3200, with exact 24,000-sample recovery.

frozen item kind	expected	passed
upstream CTest	4	4
direct encode	6	6
cross-build decode	12	12

This is an executable smoke/framing result, not a perceptual-quality score. The upstream tests have no golden selected-mode bitstream, reference PCM or MOS/ViSQOL threshold.

Same-revision Linux/macOS diagnostic¶

All twelve decoder/encoder combinations satisfied the hard interoperability contract. Linux and macOS encoded bitstreams were byte-exact in 1/3 modes. For the six (encoder, mode) streams, Linux and macOS decoded PCM was sample-exact in 0/6 comparisons. Any first-difference locations remain in the structured result; equality was diagnostic and was not used to rewrite the frozen smoke threshold.

Historical evaluation and VQ provenance¶

Historical pitch accuracy, LSP spectral-distortion/outlier values and listening conclusions remain blocked for strict replay because the frozen evidence set lacks exact labels/features/splits, historical executables, complete stimuli and listener-level responses. The 10,752 runtime VQ floats are identity-bound, but corpus-to-table training reproduction remains blocked. D4 generated no substitute Whisper, SenseVoice, ViSQOL or owner-listening number.

What D4 establishes¶

fixed release source/input identity, buildability, framing, suffix/header behavior and two-build interoperability were executed under the precommitted protocol;
process success is not reported as quality, intelligibility, identity or expression;
current 30-English + 30-Chinese public results remain D5 evidence and are not historical-paper deltas;
no personal recording or redundant ASR execution is required by this Gate.

Codec 2 D5 · 公共统一横评结果¶

状态：passed。这是已完成共同实验的确定性模型级归档，不是一次新的 codec、ASR 或质量指标运行。 180 个逐样本对象与父证据逐字段相等；三档 aggregate 与固定 bootstrap CI 原样保留。

三档全体结果（30 英 + 30 中）¶

点位	representation bps	serialized payload bps	EVSC2V01 overhead	ViSQOL	STOI	Whisper ΔER en/zh	SenseVoice ΔER en/zh	WavLM	Resemblyzer	enc ×RT	dec ×RT
`codec2_1200bps`	1197.5	1733.3	+44.74%	3.7105	0.6302	+5.06%/+6.42%	+3.03%/+5.00%	0.9078	0.7111	17.66	21.93
`codec2_2400bps`	2398.4	2934.8	+22.37%	3.7338	0.6317	+3.18%/+2.48%	+1.09%/+2.86%	0.9134	0.7181	18.35	22.29
`codec2_3200bps`	3197.9	3734.4	+16.78%	3.7400	0.6416	+2.27%/+0.07%	+0.61%/+1.03%	0.9322	0.7470	18.00	23.34

ΔER = decoded error rate − reference-audio error rate；正值表示 codec 输出让该 ASR 更难识别。绝对数必须与 reference-audio baseline 一起解释。

语言条件与 95% CI¶

点位	语言	ViSQOL mean [95% CI]	STOI mean [95% CI]	Whisper ΔER [95% CI]	SenseVoice ΔER [95% CI]
`codec2_1200bps`	en	3.2668 [3.1478, 3.3819]	0.6457 [0.6330, 0.6591]	+0.0506 [+0.0149, +0.0908]	+0.0303 [+0.0103, +0.0520]
`codec2_1200bps`	zh	4.1542 [4.0148, 4.2934]	0.6147 [0.6028, 0.6272]	+0.0642 [-0.0032, +0.1291]	+0.0500 [+0.0173, +0.0897]
`codec2_2400bps`	en	3.2985 [3.1813, 3.4134]	0.6470 [0.6340, 0.6613]	+0.0318 [+0.0051, +0.0648]	+0.0109 [-0.0097, +0.0397]
`codec2_2400bps`	zh	4.1690 [4.0283, 4.3063]	0.6164 [0.6034, 0.6300]	+0.0248 [-0.0332, +0.0808]	+0.0286 [+0.0036, +0.0588]
`codec2_3200bps`	en	3.3274 [3.2094, 3.4381]	0.6580 [0.6457, 0.6707]	+0.0227 [+0.0015, +0.0488]	+0.0061 [-0.0066, +0.0220]
`codec2_3200bps`	zh	4.1526 [4.0201, 4.2819]	0.6252 [0.6116, 0.6390]	+0.0007 [-0.0583, +0.0557]	+0.0103 [-0.0091, +0.0323]

四本不能混的账¶

raw representation 平均约 1.198/2.398/3.198 kbps；这是 mode frame bits 除以真实时长；
完整 EVSC2V01 payload 平均约 1.733/2.935/3.734 kbps，短句固定元数据使相对 overhead 为 +44.74%/+22.37%/+16.78%；
common benchmark 的 endpoint model state 为 0，只表示没有外部 checkpoint；
D2 仍确认所选路径含 10,752 个 data-derived VQ floats（43,008 bytes）、452 个 designed scalar-grid 元素，程序/动态库 footprint 另算。Codec 2 不能被描述为“零参数”或“零模型成本”。

读数与研究启发¶

1.2→2.4 kbps 的全体 ViSQOL 只从 3.7105 到 3.7338、STOI 从 0.6302 到 0.6317；3.2 kbps 才把 STOI、WavLM、Resemblyzer 和双 ASR ΔER 同时推向更好方向。这说明 Codec 2 的低档瓶颈不只是再多几个 bits，而是 8-kHz 窄带、参数表示与 mode-specific quantiser/synthesis 的共同限制。
SI-SNR 在三档仍约为 −33 到 −30 dB，而 ViSQOL 约 3.71–3.74。参数语音会重建相位和谐波细节，不追求 sample waveform 对齐；因此未来 AI 进化若把 SI-SNR 当唯一 reward，会系统性惩罚可懂但波形不同的好方案。
中文 ViSQOL 约 4.15、英文约 3.27，差距在三档都存在；它更可能反映两个语料分布、录音条件和 evaluator 行为，而不是‘Codec 2 天生更适合中文’。报告必须保留分语言表，不能只看 60 句平均。
1.2 kbps 下 Whisper/SenseVoice 的 en/zh ΔER 都明显为正；提高到 3.2 kbps 后中文增量接近零、英文仍有残余。这使 1.2 kbps 成为原创系统有意义的内容保真下界，而不是只以听起来像无线电为成功。
本机 encode/decode 均显著快于实时，但属于 macOS arm64、短句、冷进程条件。D4 已证明 Linux/macOS 可互解，却也发现 2400/3200 bitstream 与所有 decoder PCM 并非跨 build bit-exact；部署回归应比较合同和容差，不能无条件锁死 PCM hash。

明确没有证明什么¶

D5 没有复现历史 pitch/LSP/听测结果，也没有验证噪声、丢包、误码、FEC、无线信道、对话、长音频、关键实体或六语泛化。 ViSQOL/STOI/ASR/speaker/F0 等自动指标不等于人的内容、身份、表达和总体偏好；中文/英文语料之间也不是受控语言因果实验。个人录音仍是可选 D6 扩展，不阻塞本 Gate。 D5 passed 的准确含义只是：Codec 2 的公共 180-row benchmark 档案完整、来源明确，并能由已冻结父证据确定性重建。

Codec 2 D5 · 公共统一横评结果¶

状态：passed。这是已完成共同实验的确定性模型级归档，不是一次新的 codec、ASR 或质量指标运行。 180 个逐样本对象与父证据逐字段相等；三档 aggregate 与固定 bootstrap CI 原样保留。

三档全体结果（30 英 + 30 中）¶

点位	representation bps	serialized payload bps	EVSC2V01 overhead	ViSQOL	STOI	Whisper ΔER en/zh	SenseVoice ΔER en/zh	WavLM	Resemblyzer	enc ×RT	dec ×RT
`codec2_1200bps`	1197.5	1733.3	+44.74%	3.7105	0.6302	+5.06%/+6.42%	+3.03%/+5.00%	0.9078	0.7111	17.66	21.93
`codec2_2400bps`	2398.4	2934.8	+22.37%	3.7338	0.6317	+3.18%/+2.48%	+1.09%/+2.86%	0.9134	0.7181	18.35	22.29
`codec2_3200bps`	3197.9	3734.4	+16.78%	3.7400	0.6416	+2.27%/+0.07%	+0.61%/+1.03%	0.9322	0.7470	18.00	23.34

ΔER = decoded error rate − reference-audio error rate；正值表示 codec 输出让该 ASR 更难识别。绝对数必须与 reference-audio baseline 一起解释。

语言条件与 95% CI¶

点位	语言	ViSQOL mean [95% CI]	STOI mean [95% CI]	Whisper ΔER [95% CI]	SenseVoice ΔER [95% CI]
`codec2_1200bps`	en	3.2668 [3.1478, 3.3819]	0.6457 [0.6330, 0.6591]	+0.0506 [+0.0149, +0.0908]	+0.0303 [+0.0103, +0.0520]
`codec2_1200bps`	zh	4.1542 [4.0148, 4.2934]	0.6147 [0.6028, 0.6272]	+0.0642 [-0.0032, +0.1291]	+0.0500 [+0.0173, +0.0897]
`codec2_2400bps`	en	3.2985 [3.1813, 3.4134]	0.6470 [0.6340, 0.6613]	+0.0318 [+0.0051, +0.0648]	+0.0109 [-0.0097, +0.0397]
`codec2_2400bps`	zh	4.1690 [4.0283, 4.3063]	0.6164 [0.6034, 0.6300]	+0.0248 [-0.0332, +0.0808]	+0.0286 [+0.0036, +0.0588]
`codec2_3200bps`	en	3.3274 [3.2094, 3.4381]	0.6580 [0.6457, 0.6707]	+0.0227 [+0.0015, +0.0488]	+0.0061 [-0.0066, +0.0220]
`codec2_3200bps`	zh	4.1526 [4.0201, 4.2819]	0.6252 [0.6116, 0.6390]	+0.0007 [-0.0583, +0.0557]	+0.0103 [-0.0091, +0.0323]

四本不能混的账¶

raw representation 平均约 1.198/2.398/3.198 kbps；这是 mode frame bits 除以真实时长；
完整 EVSC2V01 payload 平均约 1.733/2.935/3.734 kbps，短句固定元数据使相对 overhead 为 +44.74%/+22.37%/+16.78%；
common benchmark 的 endpoint model state 为 0，只表示没有外部 checkpoint；
D2 仍确认所选路径含 10,752 个 data-derived VQ floats（43,008 bytes）、452 个 designed scalar-grid 元素，程序/动态库 footprint 另算。Codec 2 不能被描述为“零参数”或“零模型成本”。

读数与研究启发¶

1.2→2.4 kbps 的全体 ViSQOL 只从 3.7105 到 3.7338、STOI 从 0.6302 到 0.6317；3.2 kbps 才把 STOI、WavLM、Resemblyzer 和双 ASR ΔER 同时推向更好方向。这说明 Codec 2 的低档瓶颈不只是再多几个 bits，而是 8-kHz 窄带、参数表示与 mode-specific quantiser/synthesis 的共同限制。
SI-SNR 在三档仍约为 −33 到 −30 dB，而 ViSQOL 约 3.71–3.74。参数语音会重建相位和谐波细节，不追求 sample waveform 对齐；因此未来 AI 进化若把 SI-SNR 当唯一 reward，会系统性惩罚可懂但波形不同的好方案。
中文 ViSQOL 约 4.15、英文约 3.27，差距在三档都存在；它更可能反映两个语料分布、录音条件和 evaluator 行为，而不是‘Codec 2 天生更适合中文’。报告必须保留分语言表，不能只看 60 句平均。
1.2 kbps 下 Whisper/SenseVoice 的 en/zh ΔER 都明显为正；提高到 3.2 kbps 后中文增量接近零、英文仍有残余。这使 1.2 kbps 成为原创系统有意义的内容保真下界，而不是只以听起来像无线电为成功。
本机 encode/decode 均显著快于实时，但属于 macOS arm64、短句、冷进程条件。D4 已证明 Linux/macOS 可互解，却也发现 2400/3200 bitstream 与所有 decoder PCM 并非跨 build bit-exact；部署回归应比较合同和容差，不能无条件锁死 PCM hash。

明确没有证明什么¶

D5 没有复现历史 pitch/LSP/听测结果，也没有验证噪声、丢包、误码、FEC、无线信道、对话、长音频、关键实体或六语泛化。 ViSQOL/STOI/ASR/speaker/F0 等自动指标不等于人的内容、身份、表达和总体偏好；中文/英文语料之间也不是受控语言因果实验。个人录音仍是可选 D6 扩展，不阻塞本 Gate。 D5 passed 的准确含义只是：Codec 2 的公共 180-row benchmark 档案完整、来源明确，并能由已冻结父证据确定性重建。

Codec 2 1.2.0 · 可审计模型档案¶

Gate 状态¶

D0 · 身份、标准与本地 artifact¶

冻结范围与明确排除¶

Primary-source manifest¶

Source releases and licenses¶

Installed encoder/decoder identity¶

表示与计账边界¶

D1 · 算法与证据深读：Codec 2 不是“小号神经 codec”¶

一句话心智模型¶

资料边界：这不是一篇可直接复现的 SOTA paper¶

第一性原理：为什么能压到 1.2–3.2 kbps¶

1. 发送语音生成模型，而不是波形¶

2. 用 LPC/LSP 压缩“哪些谐波响”¶

3. 相位不发，在 decoder 内构造¶

4. 10 ms 内核，20/40 ms 才发送¶

编码器：从波形到少量参数¶

NLP pitch：利用非线性把“丢失的基频”变回来¶

Voicing：一个 bit 承担的大责任¶

Quantisation：用显式码本和标量规则代替 learned latent¶

解码器：从参数到可懂语音¶

1200、2400、3200 三个模式¶

官方怎样 evaluation¶

A. 1997 论文：方法学很强，但不是当前 codec 基准¶

B. 2011 DCC：算法路线快照，没有评分协议¶

C. 当前作者手册/主页：有定性结论和样音，缺正式得分资产¶

D. release 1.2.0 CTest：可运行，但主要是 smoke/construction test¶

证明了什么、没证明什么¶

已有较强一手支持¶

尚未建立¶

对 EvoSpeech 的启发¶

D1 形成的 D3/D4 入口¶

Primary-source artifact manifest¶

Codec 2 1.2.0：核心代码深读与确定性执行证据¶

D2 · 核心代码深读¶

固定代码面与可信边界¶

状态、初始化与 mode dispatch¶

真实 encoder 调用链¶

NLP pitch、harmonic refinement 与 voicing¶

LPC/LSP：把谐波幅度压缩成十个频率¶

3200、2400、1200：不是同一旋钮的三个刻度¶

decoder、插值、phase 与 overlap/add¶

参数、表、阈值与 runtime state 的四本账¶

raw bitstream、.c2 header 与 EVSC2V01¶

确定性 mechanism trace¶

release surface gaps：源码没有替我们证明什么¶

D2 对 D3/D4/D5 的直接约束¶

D2 允许与禁止的结论¶

D3 · 论文原生复现协议¶

最重要的发现：官方 release 有 smoke assets，没有 selected-mode quality oracle¶

Track A · release asset identity¶

Track B · fixed-source selected-mode smoke¶

Track C · .c2 header 与 raw representation 分账¶

Track D · same-revision cross-build diagnostic¶

历史 pitch/LSP/listening 为什么 blocked¶

VQ runtime identity ≠ training reproduction¶

metric、统计与失败规则¶

D3 允许与禁止的结论¶

Codec 2 D4 · paper-native reproduction report¶

Official release smoke and framing¶

Same-revision Linux/macOS diagnostic¶

Historical evaluation and VQ provenance¶

What D4 establishes¶

Codec 2 D5 · 公共统一横评结果¶

三档全体结果（30 英 + 30 中）¶

语言条件与 95% CI¶

四本不能混的账¶

读数与研究启发¶

明确没有证明什么¶

Codec 2 D5 · 公共统一横评结果¶

三档全体结果（30 英 + 30 中）¶

语言条件与 95% CI¶

四本不能混的账¶

读数与研究启发¶

明确没有证明什么¶

raw bitstream、`.c2` header 与 EVSC2V01¶

Track C · `.c2` header 与 raw representation 分账¶