老師傅聽得出的異響，
讓機器也聽得出。

機器沒法直接拿兩段聲音去比對，所以先把一段 4 秒錄音從五個不同角度各量出一批讀數，首尾接成一條“指紋”。判斷兩件產品像不像，比的是這約 400 個數字夠不夠接近。

每一個讀數都有物理含義 —— 哪個頻段能量多、聽起來毛不毛躁、各頻段起伏是否同步、波形毫秒級的重複規律、跟這件產品自己平時的樣子差多少。判錯了能一路查回是哪一項在起作用。

同一條音訊的 398 個讀數，按五組首尾相接。色深 = 該項讀數在本組裡的排名。

每個檢測點位“最靈”的視角並不相同。某汽車零部件廠的四個點位上聽感指標最準；某音響廠、某軸承廠的多數點位上，反倒是最基礎的“各頻段能量分佈”更準。

所以不去賭哪一個視角萬能，而是五個一起量、合併使用 ——12 個真實點位裡有 11 個，合併後不差於任何單一視角。

12 個真實點位 × 5 個視角 + 合併列。5 折樣本外交叉驗證。

拿同一個固定門檻去卡 12 個點位，錯攔掉的合格品比例從 0.9% 到 14.4% 都有—— 不是模型不準，是每條產線的底噪、工況、麥克風位置本來就不同。

做法是把分數換算成“在本點位合格品裡排第幾百分位”，再按統一的誤攔預算定門檻。換算之後，同樣 12 個點位收進 10.0%~10.5%，一條產線定的規矩可以直接說給另一條聽。

左：同一個固定門檻。右：換算成本點位分位後按 10% 預算定門檻。兩圖同坐標同量程。

投產頭兩週是最不穩的階段：樣本還少、判定門檻沒找準，檢出偏低、錯攔偏高。系統靠日常積累的標註結果持續校準，一個月左右收斂到可用區間。

穩定之後的典型區間是檢出率九成上下、錯攔率回到 10% 的預算附近。起步不需要攢很久 —— 實測學習曲線上，約 10 件不合格樣本就能到接近八成檢出，之後每多積累一批還會繼續往上走。

某汽車零部件廠一個檢測點位的真實標註日，每天只用截至前一天的知識判當天的貨。本圖只展示投產到收斂這一段；曲線為滾動平均，反映趨勢而非單日結果。