读懂连续评分：音色分、自然分与音高怎样参与计算

Pitchee 的综合分是当前声音偏好下的算法加权结果。完整言语中的性别感知还涉及音色、音高、语调、表达方式、语言和听者情境；这些影响不能用下列权重完整描述。音色分等模型输出可能误判；重复出现相同低分也可能是系统性偏差。规则解释的是软件怎样计分，不能证明实际听感，基于分数推荐的练习可以跳过。

音色分（VFP）是模型对音色女性向参考特征的估计，分数较高或较低分别在两种方向的公式中起不同作用。它不是共振峰、声道长度或性别身份的直接测量。自然分（Naturalness）估计录音相对日常说话的听感，以及刻意造作或风格化的程度。它不判断真人或机器人，也不测量声带健康。高音色分、高音高而自然分较低可以同时出现，例如一段音色较明亮、音高较高但表达十分戏剧化的朗读。

下文的 F0 是检测到的平均基频，单位为 Hz，用于辅助观察音高；B 表示基础分，F 表示最终分。女性向计算先将音色分 $S$ 与自然分 $N$ 限制在 0–100，并定义：

其中 clamp 表示将计算值限制在指定的上下界内。

这些系数是产品设计参数，不能解释为音色、自然感或音高在人类性别判断中的贡献率。联合项也是连续变化的：只要三个归一化输入都大于零，它就可以贡献分数，并不是等三项跨过某个达标门槛才突然奖励 15 分。它与后面的 pass_boost 是两项不同计算。基频项在 200 Hz 达到饱和，只说明继续提高音高不再增加这一项，不能据此指定个人训练目标。

例如，S = 70、N = 75、F0 = 180 Hz 时，四项分别贡献约 35、14、11.67 和 5.72 分，基础分约为 66.38。这个组合没有命中后文的特殊规则，最终分仍约为 66.38；其中的 5.72 分来自基础公式的联合项。示例数值仅用于演示计算。

男性向使用另一公式：

男性向始终返回 continuous；音高缺失时令 $d_{F_0}=0$，自然分目前不参与这项综合分。男性向并非简单反转女性向全部规则。底层字段 vfp_standard_score 在本文中统一称音色分（VFP）。

先确认所选声音偏好、有效音高及录音条件。女性向在音高缺失时返回 f0_unavailable，并以音色分作为基础分和最终分；有有效音高时，按以下顺序匹配规则：

上限表示最终分取当前分数与上限的较小值，不保证录音恰好得到该分数。命中上限规则也不代表实际发生了扣减；score_limited 仅在上限确实降低结果时为真。

pass_boost 的提升强度为：

候选值为 $P=60+40t$，最终分取 $\max(B,P)$。规则名为 pass_boost 时，只有 $P>B$ 才会将 score_boosted 设为真。以上边界都属于当前实现，不能作为健康、能力或社会识别的分界。

这些规则的设计意图，是避免某一项较高的读数掩盖其他模型反馈。音色分较低时，高 F0 和高自然分不能无限补偿；F0 较低或自然分较低时，高音色分也不能单独推高最终结果。因此 VFP 占较大的基础权重，却不独自决定综合分。

在当前评分规则下，低 F0 的入口会优先提示观察音高，高 F0、低自然分的入口会先提示比较日常说话方式，音色不足的入口会先核对音色分与听感。这是产品安排观察重点的方式，不证明每位用户都必须按这个顺序练习。模型可能误判，自然分不能证明没有压嗓，F0 ≤ 165 Hz 也不能单独决定真实听感；若入口与个人目标不符，可以跳过。

以下例句用于独立听辨或录音。在 App 的 A/B 复测中，使用当次固定文本，套用相同的观察方法即可。

1. 先写下一个可听辨的目标，例如“把每个字都重读的朗读方式，改成向朋友说明安排”。
2. A 版按原来的方式说：“我明天下午有空，可以一起喝杯茶。”B 版使用同一句话，只把重点放在“明天下午”，其他字按交谈语气带过。尽量保持设备、距离和环境一致。
3. 先回听哪版更符合目标、哪版说起来更省力，再看音色分、自然分、F0 和最终分。把“听感更合适但分数未升”也如实记下。
4. 下次以相同文本再作比较；另找一次真实对话，观察是否用得上这个表达方式。练习记录与日常使用回答的是不同问题。

• 产品实现：Pitchee Core · scoring.cpp。本文规则与公式按 2026-10-05 工作区源码核对。

• 产品说明：引导练习、复测比较与可信趋势。说明录音检查、A/B 可比性及音频保存范围。

• 专业实践资料：ASHA，Gender Affirming Voice and Communication。介绍以个人目标为中心的多维声音与交流支持。