Aria v0.2.3.3

本目录是可直接运行的本地 Hugging Face 模型包：冷启动测量内核。

⚠️ §2.5 锁定 Benchmark 已运行（2026-10-18，一次性）。 结论：未达显著——单侧 Wilcoxon p = 0.790005；主终点 median d = +0.693 mm，95% CI [−2.408, +3.012]；v0.2.3.3 rs 0.7164 / MAE 11.971 mm，v1 同集 rs 0.8130 / MAE 10.951 mm（n = 57）。不得写「v0.2.3.3 显著优于 v1 severity 头」。 完整方法、分层、拒评披露与合规声明见 model_card.md。

Dev（训练口径，非锁定测试）：hold-out rs 0.888（12 人），CV rs 均值 0.642，G3 修订门 R1 PASS。完整方法、局限和已知部署问题见 model_card.md。

Quickstart

依赖：Python 3.10+、numpy、scipy、soundfile（走原始录音再加 onnxruntime）。

python -m pip install numpy scipy soundfile onnxruntime

已切好的段 A（本包验证过的输入口径）：

python inference/predict.py --segment-a segment_a_16k.wav --out out.json

原始录音（阶段 0 → 段 A → 九特征 → ABI′ → S；需自备 Silero VAD ONNX，SHA-256 1a153a22…78e3）：

python inference/predict.py --audio rec.wav --vad-model /path/SileroVAD.onnx --out out.json

批量：requests.jsonl 每行 {"audio_path", "audio_sha256", "distance_cm", "speaker_id"}

python inference/predict.py --requests requests.jsonl --dataset /path/PVQD \
    --vad-model /path/SileroVAD.onnx --outdir out/

输出：abi_prime（ABI′，0–10）、y_hat_mm（= 10 × ABI′，PVQD CAPE-V 总体严重度 mm）、s（量纲链 g，0–100）、九个特征、阶段 0 的 21 字段质量报告与诊断，以及两个口径的 status（status = 本包训练口径，status_product_caliber = 七门全过）。predict 不读取任何标签。

路径	内容
weights/model.json	L3 系数、clip、g 版本、冷启动阈值、dev 指标、包身份
weights/g_table.json	量纲链 g 常数表与验收记录
inference/predict.py	入口（--audio / --segment-a / --requests）
inference/stage0/	阶段 0，seg_ver stage0-v0.2.1.2（13 模块）
inference/native_features/	native 九特征引擎（5 模块）
history/v0.1-pre/	上一代发布包 v0.1-pre 的卡、权重与入口（归档，含其 §2.5 结论）

inference/ 的 18 个模块与冻结预测所用的代码逐字节相同（哈希见 SHA256SUMS 与 model_card.md 的「发布包自洽门」）。训练、重拟合与锁定评估代码在独立的 aria-training 仓；本包不含训练代码与任何测试标签。

适用范围

已验证范围仅限 PVQD 协议复合录音经阶段 0 产出的段 A。 任意录音场景不在本包验证范围内——面向任意录音的元音切割前端尚未建立。详见 model_card.md 的「适用范围」。