ACR 工业级可商用演进路线

更新：2026-06-02

1. 目标定义

把当前原型升级为一个可商用的工业级 ACR 系统，满足：

• 可扩展曲库管理
• 可重复训练 / 评测 / 部署
• 多数据源接入（synthetic / FMA / Jamendo / CCMusic / ModelScope）
• 更强鲁棒性（噪声、失真、哼唱、混淆）
• 检索服务化
• 商用合规与授权边界可审计

2. 工业级分层

2.1 数据层

• catalog.json / query manifests
• 外部 dataset adapters
• license / usage tracking
• 数据版本与快照

2.2 训练层

• baseline encoder
• foundation-model encoder
• retrieval-first losses
• hard negative mining
• 数据平衡与生成增强

2.3 索引层

• window-level embeddings
• ANN index (Faiss/HNSW)
• 指纹索引与向量索引双路
• 增量入库

2.4 服务层

• FastAPI / gRPC
• batch ingest
• recognize API
• top-k candidate + rejection
• metadata lookup

2.5 质量层

• regression benchmark
• hard-case benchmark
• online shadow evaluation
• 数据/模型回滚机制

3. 数据集策略

第一梯队（优先）

• FMA small / medium
• MTG-Jamendo
• CCMusic（需核验申请/授权方式）
• ModelScope music datasets（按 license 白名单接入）

第二梯队

• humming / QBSH 数据集
• instrument / structure / singing datasets 作为辅助监督

4. 商用必做项

• 每个 dataset 记录：
  • 来源 URL
  • license
  • 是否允许商业使用
  • 再分发限制
  • 模型训练用途限制
• 每个模型版本记录训练数据组成
• 每次上线保留评测报告与可追溯哈希

5. 当前到工业化的缺口

• 缺 dataset adapter 层
• 缺 ANN 检索
• 缺 API 服务
• 缺 license registry
• 缺 foundation-model baseline
• 缺真正的 hard-negative mining
• 缺真实开源数据 benchmark