Skip to content

wanghai-tech / hikoon-ACR

Go to a project
Toggle navigation
Toggle navigation pinning
Commit 62327872 62327872aa8745dcb17156501138e261ddc4017d by cnb.bofCdSsphPA
Options

Make segmentation strategy benchmarks comparable under fixed query budgets 

Clarify that the pipeline already mixes random sampling with librosa-guided candidate selection, while keeping heavier structural segmentation as a later optimization path.

Constraint: Must avoid staging local datasets and transient smoke artifacts
Rejected: Full librosa.segment.* default rollout | Too CPU-heavy and too distribution-shaping for current smoke/training stage
Confidence: high
Scope-risk: narrow
Directive: Keep future segmentation comparisons capped by equal query budgets when reporting quality deltas
Tested: py_compile for evaluate/external_adapters/ab_smoke_segmentation; evaluate.py --max-queries 5; ab_smoke_segmentation end-to-end smoke with max_test_queries=5
Not-tested: Multi-strategy medium-size capped A/B benchmark on larger real FMA subset
1 parent f04a314e
Inline Side-by-side
Showing 7 changed files with 164 additions and 9 deletions
1 #!/usr/bin/env python3 1 #!/usr/bin/env python3
2 import argparse 2 import argparse
3 import json 3 import json
4 import random
4 from pathlib import Path 5 from pathlib import Path
5 6
6 import numpy as np 7 import numpy as np
...@@ -28,6 +29,8 @@ def main(): ...@@ -28,6 +29,8 @@ def main():
28 parser.add_argument("--chroma-weight", type=float, default=0.25) 29 parser.add_argument("--chroma-weight", type=float, default=0.25)
29 parser.add_argument("--ecapa-weight", type=float, default=0.5) 30 parser.add_argument("--ecapa-weight", type=float, default=0.5)
30 parser.add_argument("--melody-weight", type=float, default=0.25) 31 parser.add_argument("--melody-weight", type=float, default=0.25)
32 parser.add_argument("--max-queries", type=int, default=None)
33 parser.add_argument("--seed", type=int, default=42)
31 args = parser.parse_args() 34 args = parser.parse_args()
32 35
33 data_dir = Path(args.data) 36 data_dir = Path(args.data)
...@@ -57,6 +60,9 @@ def main(): ...@@ -57,6 +60,9 @@ def main():
57 queries = [x for x in items if x.get("type") != "reference"] 60 queries = [x for x in items if x.get("type") != "reference"]
58 if not queries: 61 if not queries:
59 raise SystemExit("No segment queries found for evaluation") 62 raise SystemExit("No segment queries found for evaluation")
63 if args.max_queries is not None and args.max_queries > 0 and len(queries) > args.max_queries:
64 rng = random.Random(args.seed)
65 queries = rng.sample(queries, args.max_queries)
60 66
61 top1 = 0 67 top1 = 0
62 topk = 0 68 topk = 0
......
...@@ -71,8 +71,10 @@ def main(): ...@@ -71,8 +71,10 @@ def main():
71 parser.add_argument("--batch-size", type=int, default=2) 71 parser.add_argument("--batch-size", type=int, default=2)
72 parser.add_argument("--device", default="cpu") 72 parser.add_argument("--device", default="cpu")
73 parser.add_argument("--seed", type=int, default=42) 73 parser.add_argument("--seed", type=int, default=42)
74 parser.add_argument("--max-test-queries", type=int, default=None)
74 parser.add_argument("--strategies", nargs="*", default=DEFAULT_STRATEGIES) 75 parser.add_argument("--strategies", nargs="*", default=DEFAULT_STRATEGIES)
75 parser.add_argument("--output-json", default=None) 76 parser.add_argument("--output-json", default=None)
77 parser.add_argument("--resume", action="store_true")
76 args = parser.parse_args() 78 args = parser.parse_args()
77 79
78 repo = Path(__file__).resolve().parents[1] 80 repo = Path(__file__).resolve().parents[1]
...@@ -80,9 +82,20 @@ def main(): ...@@ -80,9 +82,20 @@ def main():
80 work_root = (repo / args.work_root).resolve() 82 work_root = (repo / args.work_root).resolve()
81 subset_dir = work_root / "subset_audio" 83 subset_dir = work_root / "subset_audio"
82 subset_info = prepare_subset(input_dir, subset_dir, args.subset_size) 84 subset_info = prepare_subset(input_dir, subset_dir, args.subset_size)
85 progress_path = work_root / "progress.json"
86 cached_results = {}
87 if args.resume and progress_path.exists():
88 try:
89 payload = json.loads(progress_path.read_text())
90 cached_results = {item["strategy"]: item for item in payload.get("strategies", [])}
91 except Exception:
92 cached_results = {}
83 93
84 results = [] 94 results = []
85 for strategy in args.strategies: 95 for strategy in args.strategies:
96 if strategy in cached_results:
97 results.append(cached_results[strategy])
98 continue
86 smoke_root = work_root / strategy 99 smoke_root = work_root / strategy
87 if smoke_root.exists(): 100 if smoke_root.exists():
88 shutil.rmtree(smoke_root) 101 shutil.rmtree(smoke_root)
...@@ -110,6 +123,7 @@ def main(): ...@@ -110,6 +123,7 @@ def main():
110 str(args.batch_size), 123 str(args.batch_size),
111 "--device", 124 "--device",
112 args.device, 125 args.device,
126 *([] if args.max_test_queries is None else ["--max-test-queries", str(args.max_test_queries)]),
113 "--seed", 127 "--seed",
114 str(args.seed), 128 str(args.seed),
115 ] 129 ]
...@@ -130,6 +144,17 @@ def main(): ...@@ -130,6 +144,17 @@ def main():
130 "report_dir": summary["report_dir"], 144 "report_dir": summary["report_dir"],
131 "sample_failures": eval_report.get("sample_failures", [])[:3], 145 "sample_failures": eval_report.get("sample_failures", [])[:3],
132 }) 146 })
147 progress_payload = {
148 "dataset": args.dataset,
149 "subset": subset_info,
150 "query_duration": args.query_duration,
151 "query_stride": args.query_stride,
152 "train_epochs": args.train_epochs,
153 "batch_size": args.batch_size,
154 "device": args.device,
155 "strategies": results,
156 }
157 progress_path.write_text(json.dumps(progress_payload, ensure_ascii=False, indent=2))
133 158
134 results.sort(key=lambda x: (x["top1"], x["topk"], x["num_queries"]), reverse=True) 159 results.sort(key=lambda x: (x["top1"], x["topk"], x["num_queries"]), reverse=True)
135 report = { 160 report = {
...@@ -140,6 +165,7 @@ def main(): ...@@ -140,6 +165,7 @@ def main():
140 "train_epochs": args.train_epochs, 165 "train_epochs": args.train_epochs,
141 "batch_size": args.batch_size, 166 "batch_size": args.batch_size,
142 "device": args.device, 167 "device": args.device,
168 "max_test_queries": args.max_test_queries,
143 "strategies": results, 169 "strategies": results,
144 "winner": results[0] if results else None, 170 "winner": results[0] if results else None,
145 } 171 }
......
...@@ -373,6 +373,7 @@ def smoke_local_dataset( ...@@ -373,6 +373,7 @@ def smoke_local_dataset(
373 segment_strategy: str, 373 segment_strategy: str,
374 silence_top_db: int, 374 silence_top_db: int,
375 index_checkpoint_every_refs: int, 375 index_checkpoint_every_refs: int,
376 max_test_queries: int | None,
376 seed: int, 377 seed: int,
377 train_epochs: int, 378 train_epochs: int,
378 batch_size: int, 379 batch_size: int,
...@@ -449,6 +450,8 @@ def smoke_local_dataset( ...@@ -449,6 +450,8 @@ def smoke_local_dataset(
449 "--device", resolved_device, 450 "--device", resolved_device,
450 "--fast-eval", 451 "--fast-eval",
451 "--output-json", str(eval_json), 452 "--output-json", str(eval_json),
453 "--seed", str(seed),
454 *([] if max_test_queries is None else ["--max-queries", str(max_test_queries)]),
452 ], check=True) 455 ], check=True)
453 456
454 config = build_smoke_config_summary( 457 config = build_smoke_config_summary(
...@@ -467,6 +470,7 @@ def smoke_local_dataset( ...@@ -467,6 +470,7 @@ def smoke_local_dataset(
467 config["run"]["index_checkpoint_every_refs"] = index_checkpoint_every_refs 470 config["run"]["index_checkpoint_every_refs"] = index_checkpoint_every_refs
468 config["run"]["index_resume_enabled"] = True 471 config["run"]["index_resume_enabled"] = True
469 config["run"]["train_segment_strategy"] = segment_strategy 472 config["run"]["train_segment_strategy"] = segment_strategy
473 config["run"]["max_test_queries"] = max_test_queries
470 report_dir.mkdir(parents=True, exist_ok=True) 474 report_dir.mkdir(parents=True, exist_ok=True)
471 config_path.write_text(json.dumps(config, indent=2)) 475 config_path.write_text(json.dumps(config, indent=2))
472 476
...@@ -552,6 +556,7 @@ def main(): ...@@ -552,6 +556,7 @@ def main():
552 p.add_argument("--segment-strategy", choices=["random", "silence_aware", "high_energy", "onset_aware", "beat_aware", "repeated_section_aware", "hybrid"], default="random") 556 p.add_argument("--segment-strategy", choices=["random", "silence_aware", "high_energy", "onset_aware", "beat_aware", "repeated_section_aware", "hybrid"], default="random")
553 p.add_argument("--silence-top-db", type=int, default=30) 557 p.add_argument("--silence-top-db", type=int, default=30)
554 p.add_argument("--index-checkpoint-every-refs", type=int, default=100) 558 p.add_argument("--index-checkpoint-every-refs", type=int, default=100)
559 p.add_argument("--max-test-queries", type=int, default=None)
555 p.add_argument("--seed", type=int, default=42) 560 p.add_argument("--seed", type=int, default=42)
556 p.add_argument("--train-epochs", type=int, default=1) 561 p.add_argument("--train-epochs", type=int, default=1)
557 p.add_argument("--batch-size", type=int, default=2) 562 p.add_argument("--batch-size", type=int, default=2)
...@@ -612,6 +617,7 @@ def main(): ...@@ -612,6 +617,7 @@ def main():
612 segment_strategy=args.segment_strategy, 617 segment_strategy=args.segment_strategy,
613 silence_top_db=args.silence_top_db, 618 silence_top_db=args.silence_top_db,
614 index_checkpoint_every_refs=args.index_checkpoint_every_refs, 619 index_checkpoint_every_refs=args.index_checkpoint_every_refs,
620 max_test_queries=args.max_test_queries,
615 seed=args.seed, 621 seed=args.seed,
616 train_epochs=args.train_epochs, 622 train_epochs=args.train_epochs,
617 batch_size=args.batch_size, 623 batch_size=args.batch_size,
......
...@@ -2,6 +2,50 @@ ...@@ -2,6 +2,50 @@
2 2
3 ## 2026-06-02 3 ## 2026-06-02
4 4
5 ### Stage: 为切片策略评测补齐公平 query cap，并澄清 librosa 分段现状
6
7 完成项：
8 - 修改 `acr-engine/evaluate.py`
9 - 新增 `--max-queries`
10 - 新增 `--seed`
11 - 允许评测前对 query 集进行可复现随机抽样
12 - 修改 `acr-engine/src/data/external_adapters.py`
13 - `smoke-local` 新增 `--max-test-queries`
14 - 自动透传到 `evaluate.py --max-queries`
15 - smoke 配置摘要同步记录 cap 信息
16 - 修改 `acr-engine/scripts/ab_smoke_segmentation.py`
17 - 新增 `--max-test-queries`
18 - 可在策略 A/B smoke 中统一限制 query 预算
19 - 更新文档：
20 - [open-dataset-workflow.md](./open-dataset-workflow.md)
21 - [dataset-spec.md](./dataset-spec.md)
22 - [training-data-and-pgvector-guide.md](./training-data-and-pgvector-guide.md)
23 - 文档中额外澄清：
24 - 当前切片**不是只有 random**
25 - 已经接入 `librosa.effects.split / onset_detect / beat_track / chroma_cqt`
26 - 但尚未把更重的 `librosa.segment.*` 结构分段作为默认主流程
27
28 验证结果：
29 - 语法检查：
30 - `/usr/local/miniconda3/bin/python -m py_compile evaluate.py src/data/external_adapters.py scripts/ab_smoke_segmentation.py`
31 - 单点评测验证：
32 - `evaluate.py --max-queries 5 --seed 123`
33 - 输出 `num_queries = 5`
34 - `top1 = 1.0`
35 - `topk = 1.0`
36 - 端到端 smoke 验证：
37 - `scripts/ab_smoke_segmentation.py --strategies hybrid --max-test-queries 5`
38 - 最终报告：
39 - `max_test_queries = 5`
40 - `num_queries = 5`
41 - `top1 = 1.0`
42 - `topk = 1.0`
43
44 结论：
45 - 现在策略 A/B 不再只能比较“谁生成的 query 更多”
46 - 已经可以在**统一 query 成本预算**下比较不同切片策略
47 - 当前项目也已明确进入“random + librosa 音乐感知候选”的混合切片阶段，而不是纯随机切片阶段
48
5 ### Stage: 为内部素材 query 自动补 duration / offset 规则 49 ### Stage: 为内部素材 query 自动补 duration / offset 规则
6 50
7 完成项： 51 完成项：
......
...@@ -89,16 +89,16 @@ flowchart TD ...@@ -89,16 +89,16 @@ flowchart TD
89 89
90 | 场景 | 当前实现 | 是否重叠 | 代码位置 | 90 | 场景 | 当前实现 | 是否重叠 | 代码位置 |
91 |---|---|---:|---| 91 |---|---|---:|---|
92 | 训练 `SongPairDataset` | 每次采样随机取一个 5s clip | 否，**不是固定滑窗** | [acr-engine/src/data/dataset.py](../acr-engine/src/data/dataset.py) | 92 | 训练 `SongPairDataset` | 每次采样按 `segment_strategy` 选 1 个 5s clip；默认可随机，也可走音乐感知候选 | 否，**不是固定滑窗全集展开** | [acr-engine/src/data/dataset.py](../acr-engine/src/data/dataset.py) |
93 | 检索 / embedding / 建索引 | `window_sec=5.0`, `stride_sec=2.5` | 是，**50% overlap** | [acr-engine/src/utils/audio.py](../acr-engine/src/utils/audio.py), [acr-engine/src/engines/ecapa_embedder.py](../acr-engine/src/engines/ecapa_embedder.py) | 93 | 检索 / embedding / 建索引 | `window_sec=5.0`, `stride_sec=2.5` | 是，**50% overlap** | [acr-engine/src/utils/audio.py](../acr-engine/src/utils/audio.py), [acr-engine/src/engines/ecapa_embedder.py](../acr-engine/src/engines/ecapa_embedder.py) |
94 | `audio-dir-to-splits` 默认 | 每首歌只生成 1 个随机 query | 否 | [acr-engine/src/data/manifest_tools.py](../acr-engine/src/data/manifest_tools.py) | 94 | `audio-dir-to-splits` 默认 | 每首歌生成 query；可随机，也可按音乐感知策略产出 | 否 | [acr-engine/src/data/manifest_tools.py](../acr-engine/src/data/manifest_tools.py) |
95 | `audio-dir-to-splits --query-stride 4.0` 例 | 对单首歌生成多个滑窗 query | 是，可配置 | [acr-engine/src/data/manifest_tools.py](../acr-engine/src/data/manifest_tools.py) | 95 | `audio-dir-to-splits --query-stride 4.0` 例 | 对单首歌生成多个滑窗 query | 是，可配置 | [acr-engine/src/data/manifest_tools.py](../acr-engine/src/data/manifest_tools.py) |
96 96
97 ### 直接回答你的问题 97 ### 直接回答你的问题
98 98
99 - **有重叠窗口，但只在检索/索引链路里有。** 99 - **有重叠窗口，主要在检索/索引链路；训练端不是全量滑窗展开。**
100 - **当前训练主链路没有对 3 分钟 mp3 预展开成“全量重叠切片集”**，而是每次 batch 动态随机裁一个 5s 片段。 100 - **当前训练主链路不是“只会随机切”**，而是每次 batch 动态选 1 个 5s 片段；候选可以来自 `random / silence_aware / high_energy / onset_aware / beat_aware / repeated_section_aware / hybrid`。
101 - **当前外部数据集 manifest 生成器默认仍是一首歌 1 个随机 query，但现在已经支持通过 `--query-stride` 开启多 query / overlap query 生成。** 101 - **当前外部数据集 manifest 生成器也不再只有随机 query**，可通过 `--query-strategy` 走音乐感知切法，也可通过 `--query-stride` 开启多 query / overlap query 生成。**
102 102
103 --- 103 ---
104 104
...@@ -108,12 +108,37 @@ flowchart TD ...@@ -108,12 +108,37 @@ flowchart TD
108 |---|---|---| 108 |---|---|---|
109 | 训练随机裁剪 | 节省存储，不必预生成几万切片 | 同一 epoch 暴露到的时间区域有限 | 109 | 训练随机裁剪 | 节省存储，不必预生成几万切片 | 同一 epoch 暴露到的时间区域有限 |
110 | 检索重叠滑窗 | 更接近真实 ACR reference coverage | 索引体积更大 | 110 | 检索重叠滑窗 | 更接近真实 ACR reference coverage | 索引体积更大 |
111 | 外部数据一首歌一个 query | smoke 更轻、更快验证 | 训练/评测覆盖不充分 | 111 | 音乐感知候选切片 | 更容易打到主段、起音、拍点、非静音区 | CPU 分析成本更高 |
112 | 外部数据少量 query smoke | smoke 更轻、更快验证 | 训练/评测覆盖不充分 |
112 113
113 推荐理解方式： 114 推荐理解方式：
114 - **训练端**更像“随机数据增强采样器” 115 - **训练端**更像“随机数据增强采样器”
115 - **检索端**更像“为了召回覆盖做滑窗索引” 116 - **检索端**更像“为了召回覆盖做滑窗索引”
116 117
118 ### 5.3 我们到底有没有用 librosa 的分段逻辑
119
120 有，而且已经进入主链路，但不是“把整套结构分段 API 全盘替代随机采样”。
121
122 当前已用到的 `librosa` 音乐感知逻辑：
123
124 | 逻辑 | 当前用途 | 代码位置 |
125 |---|---|---|
126 | `librosa.effects.split` | `silence_aware`，避开静音区 | [acr-engine/src/data/dataset.py](../acr-engine/src/data/dataset.py) |
127 | `librosa.onset.onset_detect` | `onset_aware`，优先起音附近 | [acr-engine/src/data/dataset.py](../acr-engine/src/data/dataset.py) |
128 | `librosa.beat.beat_track` | `beat_aware`，优先规则拍点 | [acr-engine/src/data/dataset.py](../acr-engine/src/data/dataset.py) |
129 | `librosa.feature.chroma_cqt` | `repeated_section_aware`，近似找重复主段 / hook | [acr-engine/src/data/dataset.py](../acr-engine/src/data/dataset.py) |
130
131 还**没有**直接上整套更重的 `librosa.segment.*` 结构分段主流程，原因主要是：
132
133 1. **训练 query 的真实来源并不总对齐段落边界**，完全结构分段会把训练分布拉得过“整齐”；
134 2. **CPU 成本更高**，对 FMA / MTG 这类大目录 smoke 和批量 manifest 生成不够轻；
135 3. **当前阶段先追求稳健可复现**，优先落地静音、起音、拍点、重复段这几类收益更直接的候选策略。
136
137 所以现在的设计不是“没考虑 librosa 分段”，而是：
138 - **已经用了 librosa 的轻量高收益部分**
139 - **保留 random 作为泛化增强**
140 - **把更重的结构分段留作后续增强，而不是一上来替代全部采样逻辑**
141
117 --- 142 ---
118 143
119 ## 6. 当前训练信号与 hard-case 规则 144 ## 6. 当前训练信号与 hard-case 规则
......
...@@ -118,6 +118,32 @@ flowchart LR ...@@ -118,6 +118,32 @@ flowchart LR
118 - 最后按 `num_queries` 118 - 最后按 `num_queries`
119 119
120 这样在 top1/top5 持平时，会优先保留**覆盖 query 更多**的策略，而不是误把 query 更少的策略排到第一。 120 这样在 top1/top5 持平时，会优先保留**覆盖 query 更多**的策略，而不是误把 query 更少的策略排到第一。
121
122 如果你要做**更公平**的策略比较，建议再加 `--max-test-queries`，让每个策略在同样的 query 预算下评测：
123
124 ```bash
125 /usr/local/miniconda3/bin/python acr-engine/scripts/ab_smoke_segmentation.py \
126 --dataset fma \
127 --input-dir acr-engine/data/raw/fma_small_audio \
128 --work-root /tmp/ab_smoke_seg_cap \
129 --subset-size 6 \
130 --query-duration 8 \
131 --train-epochs 1 \
132 --batch-size 2 \
133 --device cpu \
134 --strategies hybrid \
135 --max-test-queries 5 \
136 --output-json /tmp/ab_smoke_seg_cap/report.json
137 ```
138
139 已验证：
140 - 最终报告会显式记录 `max_test_queries`
141 - `evaluate.py` 会按 `--seed` 复现抽样
142 - 端到端 smoke 报告中的 `num_queries` 已成功收敛到 `5`
143
144 这一步的意义是：
145 - 之前的 A/B 排名更偏“覆盖能力”
146 - 加上 cap 后，可以更公平地比较“同等 query 成本下的识别质量”
121 /usr/local/miniconda3/bin/python evaluate.py --data data/external_ingested/fma/manifests --model data/models_fma_smoke/best_model.pt --index-prefix data/index_fma_smoke/reference --split test --device cpu --fast-eval --output-json reports/fma-smoke/eval.json 147 /usr/local/miniconda3/bin/python evaluate.py --data data/external_ingested/fma/manifests --model data/models_fma_smoke/best_model.pt --index-prefix data/index_fma_smoke/reference --split test --device cpu --fast-eval --output-json reports/fma-smoke/eval.json
122 /usr/local/miniconda3/bin/python scripts/generate_artifacts.py --eval-json reports/fma-smoke/eval.json --config-json reports/fma-smoke/config.json --output-dir reports/fma-smoke --model-version fma-smoke --data-version fma_local 148 /usr/local/miniconda3/bin/python scripts/generate_artifacts.py --eval-json reports/fma-smoke/eval.json --config-json reports/fma-smoke/config.json --output-dir reports/fma-smoke --model-version fma-smoke --data-version fma_local
123 ``` 149 ```
......
...@@ -347,7 +347,7 @@ flowchart TD ...@@ -347,7 +347,7 @@ flowchart TD
347 347
348 ## 11.5 切片策略：不要只用随机切 348 ## 11.5 切片策略：不要只用随机切
349 349
350 当前项目现在已经支持 4 类切片思路，但职责不同： 350 当前项目现在已经支持多类切片思路，但职责不同：
351 351
352 | 策略 | 适用位置 | 作用 | 是否已接入 | 352 | 策略 | 适用位置 | 作用 | 是否已接入 |
353 |---|---|---|---| 353 |---|---|---|---|
...@@ -358,7 +358,7 @@ flowchart TD ...@@ -358,7 +358,7 @@ flowchart TD
358 | `onset_aware` | 训练 query / 外部 query 生成 | 优先靠近起音事件，减少截到拖尾/空拍 | 是 | 358 | `onset_aware` | 训练 query / 外部 query 生成 | 优先靠近起音事件，减少截到拖尾/空拍 | 是 |
359 | `beat_aware` | 训练 query / 外部 query 生成 | 优先靠近节拍点，适合强节奏流行/电子/舞曲等 | 是 | 359 | `beat_aware` | 训练 query / 外部 query 生成 | 优先靠近节拍点，适合强节奏流行/电子/舞曲等 | 是 |
360 | `repeated_section_aware` | 训练 query / 外部 query 生成 | 优先抽取与其它窗口最相似的重复主段，近似副歌/重复 hook | 是 | 360 | `repeated_section_aware` | 训练 query / 外部 query 生成 | 优先抽取与其它窗口最相似的重复主段，近似副歌/重复 hook | 是 |
361 | `hybrid` | 训练 query / 外部 query 生成 | 混合 silence-aware + random，兼顾稳定性与泛化 | 是 | 361 | `hybrid` | 训练 query / 外部 query 生成 | 混合 repeated-section / beat / energy / onset / silence / random | 是 |
362 362
363 推荐理解： 363 推荐理解：
364 364
...@@ -367,7 +367,29 @@ flowchart TD ...@@ -367,7 +367,29 @@ flowchart TD
367 2. **reference 建库不是随机切** 367 2. **reference 建库不是随机切**
368 建库仍然是固定滑窗 368 建库仍然是固定滑窗
369 3. **外部数据 query 生成也不是只能随机切** 369 3. **外部数据 query 生成也不是只能随机切**
370 现在可选 `--query-strategy silence_aware` 370 现在可选 `--query-strategy random|silence_aware|high_energy|onset_aware|beat_aware|repeated_section_aware|hybrid`
371
372 ### 11.6 为什么没有直接全量切到 `librosa.segment.*`
373
374 这不是没考虑，而是当前做了更保守的工程取舍：
375
376 - 已经接入 `librosa.effects.split / onset_detect / beat_track / chroma_cqt`
377 - 先把非静音、起音、拍点、重复段这些高收益候选打通
378 - 暂时没有把更重的结构分段作为默认主流程
379
380 原因：
381
382 1. **ACR 查询不总是结构化片段**
383 用户截到的可能是副歌，也可能是过门、录屏残片、短视频二创片段。
384 2. **重结构分段更耗 CPU**
385 对 FMA 这类真实开放集批量 prepare/smoke 不够轻。
386 3. **训练仍需要随机性**
387 纯结构分段会降低截取点分布的多样性。
388
389 当前更合理的策略是：
390 - `hybrid` 作为默认训练切片推荐
391 - `beat_aware / repeated_section_aware` 作为偏音乐主段的强化选项
392 - `random` 保留为泛化基线
371 393
372 为什么不直接完全依赖音乐结构分段？ 394 为什么不直接完全依赖音乐结构分段？
373 395
......