Le raisonnement en trois temps, tel qu'il se présente.
Le verrou technique — un pleur contre le babillage du même bébé — ce que vaut chacun des cinq corpus, et le paysage sonore que le produit doit couvrir.
Ouvrir→ 2/3 · 4 diapositivesCe que chaque modèle exige et sait nommer, les courbes ROC des six candidats, et la durée d'écoute à retenir.
Ouvrir→ 3/3 · 10 diapositivesLe classement face aux sons d'une vraie chambre, ce que coûte chaque niveau d'exigence, les alarmes par nuit, le déploiement et les décisions à prendre.
Ouvrir→ Présentation · 8 diapositivesUn seul modèle, des fenêtres de 3 s, un seuil réglé sur l'audio produit plutôt que sur le corpus de laboratoire. Ce que ça donne, où ça se trompe, et ce que chaque fausse alarme coûte au client.
Ouvrir→Les mêmes chiffres, mais clip par clip et à l'oreille — de quoi contredire une courbe.
Les fenêtres de 3 s de TheBoby, deBarbaroCry, FSD50K et ESC-50 envoyées une à une à l'API, au seuil 0,004 : rappel et fausses alarmes par corpus et par quartile de bruit, temps de réponse en requête simple et en lot, et fidélité au ced-small hors ligne.
Ouvrir→ Analyse · seuil interactifCe que la ré-annotation des 9 264 erreurs change aux résultats — et ce qu'elle ne change pas. Déplacez le seuil pour voir l'écart entre les deux vérités terrain sur tout l'axe.
Ouvrir→ Interactif · avec audio · v1Les scores calculés sur une fenêtre fixe de 3 s : ce qui est joué est exactement ce que le modèle a entendu. La vérité terrain est celle du corpus, celle sur laquelle les trois présentations s'appuient.
Ouvrir→ Interactif · avec audio · fenêtréChaque enregistrement découpé en fenêtres 3 s jointives, comme un moniteur les reçoit : 53 818 fenêtres sur les cinq corpus, jugées contre la vérité terrain ré-annotée. TheBoby et AudioSet y sont enfin entendus en entier, pas seulement sur leurs trois premières secondes.
Ouvrir→ Interactif · avec audio · CED small et baseLe même corpus fenêtré, CED seul — ced-small et ced-base côte à côte — avec un filtre sur les quatre quartiles de bruit de fond de la présentation V2. Les pleurs ratés se concentrent dans Q4, les fausses alarmes dans Q1 : ce banc permet de les écouter séparément, et d'entendre autour des seuils des deux modèles ce que l'un rattrape et l'autre pas.
Ouvrir→ Interactif · avec audioLe même banc, mais sur le clip complet plutôt qu'une fenêtre : l'écart entre les deux est ce que l'agrégation temporelle coûte ou rapporte.
Ouvrir→Ce qui fabrique la donnée plutôt que ce qui la commente.
Le contrat du service évalué : routes, paramètres, champs de la réponse (cry_score, seuil, bruit de fond, quartile). Relevé sur l'API en service, en lecture seule.
Ouvrir→ Outil · audio à la demandeLes faux positifs et faux négatifs de YAMNet, CLAP et CED au rappel 0,80, à trancher à l'oreille sur les 3 s que les modèles ont entendues. À l'aveugle, par paliers de consensus.
Ouvrir→ Outil · fenêtres 3 sLes 541 fenêtres où CED ou YAMNet se trompent sur TheBoby et FSD50K, aux deux points de fonctionnement — rappel 0,80 et 0,95, qui ne ratent pas les mêmes choses. Découpées en 3 s jointives, donc entendues là où le modèle a décidé et non sur les trois premières secondes du clip.
Ouvrir→