素材档案库
先把这只宠物的照片、视频和声音样本存进独立档案。原型会先保存在本机浏览器；正式线上建议写入 Cloudflare R2 的宠物 slot 文件夹。
1提取器与筛选
/api/classify-audio；auto / yamnet 调用独立 yamnet_service（TF Hub YAMNet，默认 localhost:8000/classify）。连通性状态显示在卡片 2 内。2上传并提取候选片段
拖拽音频/视频到这里，或点击选择文件（最多 3 个）
当前已添加 0 个文件
3流水线：Stage 3A+3B → 3C
一键依次执行 Stage 3A（基础整理）与 Stage 3B（干扰检测）；后台分两步处理，下方仅展示 3B 结果快照（3A 不单独展示）。Stage 3B 完成后自动 Stage 3C 与声学特征。
Stage 3C 人声分离（默认 Demucs htdemucs，分离「伴奏/人声」和弦乐残留，猫叫+说话共存时 YAMNet 仍可能标 Speech）。
若抑制后波形仍像有人声，请改用语言查询分离：
SPEECH_SEPARATION_MODE=audiosep uvicorn speech_separation_service.app:app --port 8844（或 lass / audiosep_lass），Worker 配置 SPEECH_SEPARATION_SERVICE_URL。
猫声增强的播放器与 YAMNet 图均使用 3C 抑制轨。拖动波形裁切手柄松开后，将自动写入下方 Clean 训练并同步到 Pane 4 档案。
猫声增强为最干净轨：列表中「可 AI 复制」表示已进入 Pane 4 AI 训练档案。
4我的猫咪叫声档案
centroidEmbedding 做余弦相似度（profileStatus：<10 不足、≥10 可匹配、≥30 可试生成）。
AI 训练样本（来自猫声增强裁切 / Clean 训练集）
声音复制打标（按 clean 质量勾选后提交）
（尚无结果）