M19 Mock Test · DTW 对齐目标试听¶
训练开跑前的 GT 验收：基准 = Happy 的时间轴，把其余四情感的录音 warp 到 Happy 的节奏上。 DTW 之后的音频就是未来 v_B/v_x 的训练目标——α 端点的理想输出就长这样。 DTW 列用 WSOLA 锚点实现（pylibrb 的 keyframe 绑定有缺陷）；「均匀 WSOLA」列用于分离引擎差异与节奏差异。
错位诊断（DTW 路径偏离均匀线的幅度；同时回答「双 adapter 的 ±40ms 容忍窗够不够」）：
| key | 情感 | 中位 | p90 | 最大 |
|---|---|---|---|---|
0001_text00084 |
Neutral | 232ms | 527ms | 622ms |
0001_text00084 |
Angry | 60ms | 110ms | 139ms |
0001_text00084 |
Sad | 284ms | 957ms | 1153ms |
0001_text00084 |
Surprise | 175ms | 432ms | 555ms |
0001_text00246 |
Neutral | 68ms | 134ms | 159ms |
0001_text00246 |
Angry | 51ms | 208ms | 276ms |
0001_text00246 |
Sad | 36ms | 78ms | 138ms |
0001_text00246 |
Surprise | 46ms | 117ms | 147ms |
0006_text00336 |
Neutral | 42ms | 79ms | 237ms |
0006_text00336 |
Angry | 30ms | 109ms | 117ms |
0006_text00336 |
Sad | 23ms | 108ms | 219ms |
0006_text00336 |
Surprise | 46ms | 72ms | 84ms |
0001_text00084 —— 「哪天我也许得和他谈谈。」¶
基准（Happy 原始）：
| 源情感 | 原始 | 均匀 R3（现行目标） | 均匀 WSOLA（引擎对照） | DTW-WSOLA（新目标候选） |
|---|---|---|---|---|
| Neutral | ||||
| Angry | ||||
| Sad | ||||
| Surprise |
0001_text00246 —— 「是个冰淇淋，桃花确实很漂亮。」¶
基准（Happy 原始）：
| 源情感 | 原始 | 均匀 R3（现行目标） | 均匀 WSOLA（引擎对照） | DTW-WSOLA（新目标候选） |
|---|---|---|---|---|
| Neutral | ||||
| Angry | ||||
| Sad | ||||
| Surprise |
0006_text00336 —— 「这可真不像是场英超比赛。」¶
基准（Happy 原始）：
| 源情感 | 原始 | 均匀 R3（现行目标） | 均匀 WSOLA（引擎对照） | DTW-WSOLA（新目标候选） |
|---|---|---|---|---|
| Neutral | ||||
| Angry | ||||
| Sad | ||||
| Surprise |