音频质量评估与自动化测试

客观指标  → 快速筛查、CI 回归（毫秒级）
感知模型  → 版本对比、编解码选型（秒级）
主观测试  → 最终验收、关键决策（人天级）

SNR = 10·log10(P_signal / P_noise)

THD+N = 10·log10(P_residual / P_total)

输入：19 kHz + 20 kHz（各 -6 dBFS）
输出：除 19/20 kHz 外还出现 1 kHz、39 kHz 等成分
IMD = 10·log10(杂散功率 / 主音功率)

# 生成对数扫频（10 秒，20 Hz ~ 20 kHz）
ffmpeg -f lavfi -i "sine=frequency=20:duration=10" -af "asetrate=48000" sweep_raw.wav
# 实际工程中多用 sox 或专用工具生成精确的对数扫频
sox -n sweep.wav synth 10 sine 20-20000

适用：窄带（8 kHz）与宽带（16 kHz）语音
要求：两信号时间对齐（PESQ 内部会做粗对齐，但大延迟差会失败）
限制：不适用于音乐，对非线性失真不敏感

# 使用 pesq 库
from pesq import pesq
score = pesq(16000, ref_audio, deg_audio, 'wb')   # 'wb' 宽带
print(f"PESQ-WB: {score:.3f}")

ViSQOL 输出 MOS-LQO 与各频带的 NSIM 值
各频带值能定位问题出现在哪个频段

1. 受试者听到一个隐藏的参考信号（Reference）与多个候选
2. 按 0~100 打分（0=极差，100=与参考无差异）
3. 必须包含一个 3.5 kHz 低通的"锚点"（低锚）用于校准
4. 至少 15~20 名受试者
5. 结果用中位数 + 四分位距表示

MOS 与 PESQ 的映射（近似）：
PESQ 1.0 → MOS 1.0
PESQ 3.0 → MOS 3.5
PESQ 4.5 → MOS 4.5

检测 0.5 MOS 的差异（标准差 1.0）：
n = 2 × (1.96 + 0.84)² × 1.0² / 0.5² ≈ 63 个评分

# 用 ffmpeg 做 null test
ffmpeg -i processed.wav -i reference.wav \
  -filter_complex "[0:a][1:a]amix=inputs=2:weights=1 -1,volumedetect" \
  -f null - 2>&1 | grep max_volume

from scipy.signal import correlate
corr = correlate(a[:len(a)//2], b[:len(b)//2], mode='full')
lag = np.argmax(np.abs(corr)) - (len(a[:len(a)//2]) - 1)
a, b = (a[lag:], b) if lag > 0 else (a, b[-lag:]) if lag < 0 else (a, b)
residual = a[:min(len(a), len(b))] - b[:min(len(a), len(b))]

def assert_bitexact(path_ref, path_out):
    ref = np.fromfile(path_ref, dtype=np.float32)
    out = np.fromfile(path_out, dtype=np.float32)
    assert len(ref) == len(out), f"length mismatch: {len(ref)} vs {len(out)}"
    diff = np.abs(ref - out)
    if diff.max() > 0:
        idx = int(diff.argmax())
        raise AssertionError(f"not bit-exact: max diff {diff.max()} at {idx}")

# 测量整轨响度与真峰值
ffmpeg -i out.wav -af loudnorm=print_format=json -f null - 2>&1 | tail -20

def check_loudness(path, target_lufs=-16.0, max_tp=-1.0, tol=0.5):
    m = measure(path)          # 解析 loudnorm 的 JSON 输出
    assert abs(m['input_i'] - target_lufs) <= tol, \
        f"loudness {m['input_i']} not within {tol} of {target_lufs}"
    assert m['input_tp'] <= max_tp, \
        f"true peak {m['input_tp']} exceeds {max_tp}"

def check_dc_offset(x, max_dc=1e-4):
    dc = np.mean(x)
    assert abs(dc) < max_dc, f"DC offset {dc} exceeds {max_dc}"

def check_finite(x):
    if not np.all(np.isfinite(x)):
        n_nan = np.sum(np.isnan(x))
        n_inf = np.sum(np.isinf(x))
        raise AssertionError(f"non-finite samples: {n_nan} NaN, {n_inf} Inf")

1. 以最小缓冲运行长时间（如 30 分钟）
2. 记录每次回调的实际可用样本数
3. 统计欠载次数与最大处理时间

// 在音频回调中测量
auto start = std::chrono::steady_clock::now();
processBlock(buffer);
auto elapsed = std::chrono::steady_clock::now() - start;
double ms = std::chrono::duration<double, std::milli>(elapsed).count();
double budgetMs = numSamples / sampleRate * 1000.0;
worstMs = std::max(worstMs, ms);      // 记录最坏值

# 监控进程内存（macOS）
while true; do ps -o rss= -p $PID; sleep 60; done

import random
random.seed(42)          # 可复现
for _ in range(10000):
    param.set(random.uniform(param.min, param.max))
    process_block()

快速层（每次提交，< 30 秒）：
  - 短素材（1~5 秒）的 bit-exact / 容差比较
  - NaN/Inf 检查
  - 响度与真峰值合规

中等层（每次 PR，< 5 分钟）：
  - 多组参数的输出比对
  - 极端参数压力测试
  - 频谱指标（THD+N、频响偏差）

慢速层（每晚，数十分钟）：
  - 长素材的感知模型评估（ViSQOL）
  - 长时间稳定性测试
  - 跨平台一致性

name: audio-regression
on: [push, pull_request]
jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - run: sudo apt-get install -y ffmpeg sox python3-numpy
      - run: python3 tests/run_audio_tests.py --tolerance 1e-5
      - uses: actions/upload-artifact@v4
        if: failure()
        with: { name: audio-diffs, path: "tests/output/*.wav" }

golden/
├── MANIFEST.json      （平台、编译选项、生成时间、git commit）
├── gain_0.5.wav
└── filter_lp_1k.wav