Voice Presentation Analyzer

在瀏覽器本地推論，搭配即時音高與共鳴監控，掌握聲線被模型感知的女性化 / 男性化傾向。本地推論即時監控統計＋簡評30+ 主題

準備就緒

提示：可錄音或上傳 mp3 / m4a / mp4 / mov。錄音期間會顯示即時 Hz Stream（音高走勢）與共鳴監控，分析完成提供回放、傾向儀表與統計簡評。需要導覽請點右上角 ❓。

暖身三步驟 錄音前 1 分鐘快速開聲。

主畫面錄音鍵下方也能展開這張卡片，照順序練一次再開始錄音。

  1. 嗯 ：輕哼把震動帶到鼻梁，對應共鳴卡的「胸腔偏重」提示。
  2. 依—— ：拉長前母音讓舌頭前放，提升元音聚焦指標。
  3. 呼 ：慢慢吐氣放鬆喉頭，穩定氣聲比例與頻譜傾斜度。
快速開始（第一次使用先看這裡）
  • 按下上方的 🎙️ 開始錄音，以平常說話聲調錄 5–10 秒；或點右下角 ⬆︎ 上傳 mp3 / m4a / mp4 / mov。
  • 錄音期間會顯示 Hz Stream（音高走勢） 與 Formant（共振峰）/ Resonance（共鳴） 即時監控；停止後等候模型分析。
  • 完成後可播放剛剛那段、查看女性化 / 男性化儀表、統計卡與一行簡評。
  • 第一次用？點右上角的 ❓ 查看圖解指南，或關閉上方提示泡泡繼續。
介面導覽與即時監控
  • ❓ 使用指南：整理快速開始、面板解說與常見錄音情境，支援鍵盤 Esc 關閉。
  • 錄音鍵：支援 MediaRecorder 並顯示狀態提示；停止後自動進入解碼與推論流程。
  • Hz Stream（音高走勢）：僅在錄音期間顯示，追蹤 50–600 Hz 音高與音量；左右刻度標示 Hz，統計會沿用錄音及上傳抽樣。
  • Formant（共振峰）/ Resonance（共鳴）：同步估計 F1–F3、氣聲比例與共鳴分佈，協助判讀聲音質地。
  • 統計卡：整合 Pitch / Volume 百分位數、環境噪音、SNR 與傾向簡評，可對照練習成果。
  • 主題設定：齒輪可切換 Auto / 淺色 / 深色派並記住每派最後一次的主題。
模型概覽
名稱：
Common-Voice-Gender-Detection（ONNX）
架構：
Wav2Vec2（Self-Supervised Learning for Speech Recognition）
標籤空間：
二分類（female / male）
來源資料：
Mozilla Common Voice 等語料（以英語朗讀為主）
授權：
Apache-2.0（模型）；本頁程式碼依你的 repo 授權
DOI：
10.57967/hf/5684
準確度（開發者報告）
  • 整體準確率：98.46%（6545 筆）
  • female：precision 0.9705、recall 0.9916、F1 0.9809（2622 筆）
  • male：precision 0.9943、recall 0.9799、F1 0.9870（3923 筆）

說明：上述為作者資料分佈下的離線評估；不同語言、環境、內容（唱歌）可能與此有落差。

方法簡述（本頁實作）
  • 推論引擎：Transformers.js + ONNX Runtime；優先 WebGPU，無 GPU 時自動回落至 WASM。
  • 前處理：立體聲混成單聲道並重採樣至 16 kHz。若 WebAudio 解不動，自動改由 ffmpeg.wasm 轉檔。
  • 錄音與即時監控：MediaRecorder + WebAudio ScriptProcessor，每 50 ms 抽樣 ACF 音高、音量與頻譜特徵。
  • 長檔策略：≤150 秒直接整段推論；>150 秒依實際推論裝置自動挑選串流視窗與步長（WebGPU：<600 秒 hop 4 秒、視窗 18/12/8/6/4；≥600 秒 hop 6 秒、視窗 24/18/12/8/6/4。WASM：<240 秒 hop 3 秒；240–419 秒 hop 3.5 秒；≥420 秒 hop 4 秒，均保留 12/8/6/4 備援）。
  • 自適應 VAD：長檔偵測靜音，只裁出語音片段再分析；不改變原始音訊。
  • 聚合與統計：長檔以 log-odds 加權聚合結果；同時保存 Pitch / Volume / Formant / SNR 百分位數供統計卡與簡評。
  • 隱私與資源管理：推論全在瀏覽器完成，只保留最新一段回放 URL；換檔會釋放快取與 AudioContext。
用途定位與倫理提醒
  • 定位：自我練習回饋、教學示範、資料標註輔助、研究原型。
  • 限制：此分數是「模型對聲音表現的傾向」，不是性別認同、醫療或法律判定。
  • 請勿：用於歧視、排除、或任何影響權益的自動決策。
版本與授權
版本：
build
更新：
—
授權：
模型 Apache-2.0；網站程式碼依你的 repo 授權
原始碼：
GitHub / vpa
相容性與效能
  • 瀏覽器：近期 Chrome / Edge / Firefox / Safari；開啟 WebGPU 更快。
  • 格式：audio/*、.m4a、.mp3、.wav、.mp4、.mov（影片僅取音軌）。
  • 備援：WebAudio 解不動時自動落到 ffmpeg.wasm，轉完即釋放記憶體。