本輪規律、反例與生成訣竅

以下針對本機YuE2、這三份控制曲譜、兩個主要seed與本輪設定。中段振幅與頻譜特徵採左右聲道平均的訊號，可能受相位抵消影響；全曲立體聲LUFS/LRA另列CSV，不能混用不同指標的結論。量測描述音訊特徵，沒有替音樂性、類型辨識或專注效益打分。作品集新增的十二份譜不納入提示詞配對推論。

1. 控制長度：先給可檢查的結構

自由規劃先導樣本在要求60–90秒時仍跑到150秒上限；後續27版使用24小節原創ABC，27/27沒有token截斷旗標。這27版的實際時長減去譜面名義時長，介於-3.01至+0.61秒，平均絕對偏差1.04秒。 這支持「用結構管理本輪產出長度」的工作方法，不能由一個自由規劃失敗案例推論自由作曲普遍不好。旗標沒截斷也不代表耳聽結尾一定自然。想要完整長曲時，應另外設計曲式，不把秒數文字當保證。YuE2生成文件

2. City Pop：聲音特徵變了，但沒有好聽保證

• city-pop-01→city-pop-03：中段振幅範圍改變+2.54 dB；功率頻譜重心改變-153.9 Hz；母帶整體響度改變-1.6 LU。
• city-pop-02→city-pop-04：中段振幅範圍改變+5.91 dB；功率頻譜重心改變-202.7 Hz；母帶整體響度改變+2.5 LU。

兩個seed的具體版都出現較低的功率頻譜重心、較大的中段振幅範圍。可以確定整組描述改變了聲音特徵；不能只憑這些數字稱它更溫暖、更自然或更有City Pop味。下一輪把貝斯、吉他、鼓的描述分開，一次只改一項；先以音量對齊A/B挑偏好，再確認是哪一項描述有幫助。

3. Cozy Jazz：比較兩個seed

• cozy-jazz-01→cozy-jazz-03：中段振幅範圍改變-6.61 dB；功率頻譜重心改變-5.8 Hz；母帶整體響度改變-1.0 LU。
• cozy-jazz-02→cozy-jazz-04：中段振幅範圍改變+4.32 dB；功率頻譜重心改變-176.9 Hz；母帶整體響度改變+0.7 LU。

振幅範圍的變化方向在兩個seed相反，沒有支持「詳細版穩定讓爵士更平穩」的說法。保留相同譜面、多試seed，比從一次成功就宣告固定咒語有效更可判讀。本輪也未獨立測試Rhodes對木鋼琴、刷鼓對鼓機，不能從整包描述差異歸因某個樂器。

4. Hyperfocus：比較兩個seed

• hyperfocus-01→hyperfocus-03：中段振幅範圍改變+3.59 dB；功率頻譜重心改變+10.0 Hz；母帶整體響度改變-4.1 LU。
• hyperfocus-02→hyperfocus-04：中段振幅範圍改變+0.43 dB；功率頻譜重心改變-11.4 Hz；母帶整體響度改變-1.3 LU。

具體版增加了consistent low energy、slow harmonic movement及排除fill/drop等要求，但兩個seed的中段振幅範圍都沒有縮小。因此本輪未從這個指標驗出「更平穩」。振幅起伏不等於節奏不穩，也不等於更容易分心；專注用途最後仍要用實際工作時的聆聽偏好驗收。來源中的Deep Focus範例只能提供設計維度，不能代替本機測試。

5. 歌詞留白：不是只換一個無害標記

• city-pop 03→05：只改模型輸入的lyrics欄（產物ID不進入條件文字），長度改變-1.72秒，功率頻譜重心改變+66.5 Hz，中段振幅範圍改變+0.25 dB。
• cozy-jazz 03→05：只改模型輸入的lyrics欄（產物ID不進入條件文字），長度改變+0.76秒，功率頻譜重心改變+63.1 Hz，中段振幅範圍改變+1.74 dB。
• hyperfocus 03→05：只改模型輸入的lyrics欄（產物ID不進入條件文字），長度改變-0.80秒，功率頻譜重心改變+30.1 Hz，中段振幅範圍改變+2.52 dB。

這三組同seed配對都出現非零音訊差異；這不是證明某一寫法更好聽或更能去人聲。純器樂歌詞留白来自FL YuE2作者工作流，而本機既有流程使用[Instrumental]；把它當作要試的開關，保留兩個版本。

6. 高位元深度不能補回已截平的波峰

本輪15個版本在原生回傳音訊出現滿刻度樣本；重新從同一latent解碼後，15個確有超過±1的浮點波峰。省略最後的clamp、先保留浮點再整體降增益後輸出24-bit FLAC。把重解碼結果重新clamp後，與原始音訊最大逐樣本差異為0，符合預設2e-5門檻。這驗證處理用的是同一段聲音，不是重抽另一首。 原生音檔、曲譜、token和hash不動，處理前母帶與量測另外備份。最終表格使用處理後的母帶重新量測。此步改善輸出波峰保留，沒有改善作曲或演奏，也不是聽感優勝的證據。詳見MASTERING-NOTE.md與unclipped-mastering.json。

7. 生成前先驗ABC方言

Dm9與Cmaj9等標記不能直接送進本輪的原生方言parser。施工稿已保留，正式譜改用可支援的七和弦核心；九音配器留在style中請求，但不保證會被實現。普通樂譜語法有效，不代表生成器的方言就支援。官方ABC說明

下一輪最有用的做法

1. 先挑一份旋律與和聲有潛力的譜，再用相同seed比較少量明確的配器變化。不要同時換譜、換速度、換seed後，把差異全算到prompt身上。
2. 以三個樂器角色作起點：主旋律、低音、節奏。用「短句後留空拍」「低音在空拍回應」等可試聽的行為，取代只堆氛圍形容詞；這是下一輪設計建議，不是本輪已證明的單詞效果。
3. 同一寫法至少保留數個seed。這次只有兩個主要seed，已能看到爵士方向翻轉；仍不足以估算普遍成功率。
4. 比較前對齊音量，聽到有趣段落再看參數。音色自然度、節奏機械感、旋律是否陳套與結尾是否合理，各自記錄時間點。不要讓FLAC碼率代替音樂性評分。
5. 原始latent、prompt與失敗記錄一起存。這次能從截平輸出找回波峰，靠的是latent還在；只有MP3就沒有同樣的重解碼路徑。
6. 有人聲疑慮時聽整首。Whisper只輔助定位可辨詞句，會漏掉哼唱或scat，也會在音樂上產生幻覺。它不能把「no vocals」變成驗收保證。

本輪尚未有人耳評分，故沒有宣稱最佳版本、無人聲通過率、音樂性排名或專注效果。ASR-REVIEW.md列出轉錄線索，index.html保留空白個人試聽筆記。

人聲覆核優先項目

hyperfocus-05（lyrics留白）的0–65秒窗出現多段連續英文轉錄；同seed、同譜、同style的hyperfocus-03未出現相同詞句。這是回聽優先線索，尚不能僅憑ASR確認有人聲，也不能由一組配對估算留白更容易出人聲的機率。這首保留在控制組，沒有列入十五首作品集。