Auto-Ear：71%的“故障”判定由静音所致，而非麦克风问题

Auto-Ear 是一款免费的发动机声音初步诊断服务，其开发者分析了 2026 年 7 月 9 日至 8 月 9 日期间的 1066 条生产录音。通过比较标记为“故障”和“正常”的录音之间的音频特征，他们发现典型的“故障”录音音量低 9 分贝，静音占比达 43%（而正常录音仅为 1%），且频谱平坦度更高。在相同响度四分位数内，手机品牌的影响极小，但响度本身导致判定结果相差两倍：安静录音被判定为“故障”的可能性是响亮录音的两倍。进一步分析显示，用户录音的音量远低于参考样本（-30.6 分贝对比 -17.8 分贝），且三分之一的录音静音占比超过 70%。该模型基于对比语言-音频预训练（CLAP）嵌入，仅对超过 90% 的静音进行了保护，却忽略了部分静音。开发者得出结论：在音频诊断中，应首先检查模型如何处理无声情况，并计划引入质量过滤器，以拒绝静音过多或音量过低的录音。