跳至正文
OpenAgentSkill
浏览已开放 · 目录记录日期 2026-11-21 · 自动更新和账户服务暂时关闭。
搜索与研究

mc-case-studies

The corpus layer (语料层) - how real recordings are made to testify for or against the textbook rules. Covers the reverse ARR-SPEC as the unit of the corpus, the corroboration table that turns rules times corpus into hit rates and tiers them as strong rule / tendency / not a rule, the two honesty constraints that keep the table from being circular, why naturally sampled corpora beat curated ones, what this corpus can and cannot measure, and how to look up a worked example. Use when checking whether a rule actually holds in real music, when adding a rule, when a rule and the data disagree, when annotating a track, or when you need a real-world example of a technique. 语料、佐证、命中率、实测 ARR-SPEC、反向规格、案例拆解、规则验证。

jtydhr88 · 已有静态检查记录

安装与使用

运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。

npx skills add jtydhr88/music-composition-skills --skill mc-case-studies

技能说明


name: mc-case-studies description: The corpus layer (语料层) - how real recordings are made to testify for or against the textbook rules. Covers the reverse ARR-SPEC as the unit of the corpus, the corroboration table that turns rules times corpus into hit rates and tiers them as strong rule / tendency / not a rule, the two honesty constraints that keep the table from being circular, why naturally sampled corpora beat curated ones, what this corpus can and cannot measure, and how to look up a worked example. Use when checking whether a rule actually holds in real music, when adding a rule, when a rule and the data disagree, when annotating a track, or when you need a real-world example of a technique. 语料、佐证、命中率、实测 ARR-SPEC、反向规格、案例拆解、规则验证。

语料层(Case Studies & Corroboration)

这一层回答一个问题:

教材说的,真实作品到底做不做?

本库的规则不是抄来的,是抄来之后拿 62 首真实多轨验过的。 验过的结果分三档,只有强规则才进 20 条自查表。

按任务读哪几节

任务读
想知道某条规则靠不靠谱§4 佐证表 + 仓库规则表
要加一条新规则§4.3 流程
规则和数据打架了★ §5
要找一个真实例子§6
要标注一首曲子§3.3
想知道这套语料能测什么§2.2

边界

不归这里归哪
规则本身的内容L1/L2 各 skill
生成结果的验收mc-ai-tell-audit
规格写完的检查mc-workflow §3.0
某个风格的语汇mc-style-*(L3)
具体曲目的逐段拆解reference.md

1. 语料的三条原则

1.1 ★ 只存结构与参数,不存作品

语料条目里没有音频、没有谱面、没有歌词——只有测出来的数值。

这既是版权上的必需,也是方法上的正确: 我们要的是"真实作品的参数分布",不是作品本身。

1.2 ★ 自然抽样胜过策展

语料不精选,用自然抽样。

策展会把语料偏向"规则成立"的那一侧—— 你挑的是你认为的好例子,而你认为的好例子就是符合你已有理论的例子。

自然抽样自动供给反例。

所以最终用的是 Cambridge-MT 的 60+ 首自然样本,不筛选。 这也顺带取消了另找 MIDI/分轨语料的必要(它原本的唯一用途是给分轨工具做标定, 而真分轨直接消除了这个需求)。

1.3 语料的单元是"反向 ARR-SPEC"

不是音频文件,是从音频反推测出来的一份 ARR-SPEC。 选这个单元是因为它和我们的产出用同一套字段:结构、编制进退场、能量曲线都记在同样的位置, 所以佐证表能直接拿语料条目和规则判据对齐,不用先做一层格式转换。 字段长什么样、哪些标记是诚实留白而非漏填,见 §2.1。


2. 反向 ARR-SPEC

2.1 长什么样

仓库实测语料,63 条。每条头部就写明了性质:

# 实测 ARR-SPEC(语料条目)—— 由 仓库的反推工具 自动生成
# ★ 只存结构与参数,不存谱面与歌词。intent / hooks 等 TODO 项需人工填。

★ 注意那些 # TODO 和 # 估算,非实测 的注释—— 它们是诚实标注,不是没做完。 intent.one_thing 这类东西机器测不出来,硬填就是造假。

2.2 ★ 这套语料能测什么、不能测什么

Cambridge-MT 是未混的原始多轨,不是母带成品。 所以:

能测不能测
段落边界、小节数DR / 响度(未混)
拍速立体声宽度(未混)
能量曲线、减法事件频谱质心的绝对值(未混 + 无母带)
编制进退场(有真分轨!)制作质感
onset 相对网格偏移
和弦(chroma 匹配)

★ 测不了的规则要标出来,不许硬跑。 rules.yaml 里这类规则标 evidence: unusable_here, 仓库的佐证工具 跳过而不是给一个假数字。

本库的语料是多轨分轨,不含成品混音,所以这类规则目前没有数字。


3. 真值与标注

3.1 为什么需要人工真值

算法测出来的段落边界本身可信度存疑(rules.yaml 里标 no_truth)。 没有一份独立的真值,就没法判断一个异常的命中率到底是规则不成立,还是算法本身测错了—— §5.2 那次"硬编码阈值把命中率压到 16%"就是靠人工真值才翻案的实例。 所以做了一批人工标注当真值,校准结果见 §3.2。

3.2 ★ 一个被验证过的担心

用户担心"我不是专家,标的边界不准"。实测结果推翻了这个担心:

人工标记与算法的偏差中位数 = 0.0 秒。

★ 结论:段落边界是感知判断,不是品味判断。 非专家标出来的边界和算法一致——这说明这件事本来就不需要专家。 (能标的和不能标的要分清:边界能标,"这段好不好听"不能标。)

校准结果:7 首人工标注,算法命中 72%,偏差中位 0.0 s。

3.3 怎么标注

标注工具与 7 份标注文件在仓库里,不随包发布。

已标注的 7 首: AMContra_HeartPeripheral、APZX_CyberMower、DigitalHumans_Electrvm、 Forkupines_Semantics、MERCMusic_Knockout、MR1103_Flags、SimonLyn_Copper


4. ★ 佐证表:规则 × 语料 → 命中率 → 分档

4.1 两条诚实约束

违反了,佐证表就是自欺:

#约束
1★ 判据不能复用生成器的定义。 反向 ARR-SPEC 里的 subtraction_events 是 反推工具 按"较前段降 >1 dB"自动填的;拿它去验"真编曲有没有减法"是循环论证。所以涉及减法的判据一律直接从 energy_curve 重算,用一个有音乐意义的阈值(≥3 dB),不读 subtraction_events 字段
2★ 语料测不了的规则要标出来,不许硬跑(见 §2.2)

evidence 的三个取值:

值含义
ok本语料能验
unusable_here本语料性质不对,需要成品混音语料
no_truth缺真值(如段落边界),判据本身可信度存疑

4.2 第一轮结果

规则命中档
能量曲线必须有下降62/62强规则
编制必须有乐器中途进场59/59强规则
至少一件乐器提前退场59/59强规则
不该全声部严格对齐网格62/62强规则
开场不该把乐器一次铺满54/59强规则
全曲至少一处明显减法36/62 = 70%倾向
最高潮前应有能量回落全量 22% / 人工真值 5/7★ 矛盾,只当手法
编制在最高潮最密25/59 = 42%挂起

4.3 分档决定什么

档在 skill 里怎么写进 lint 吗
强规则"必须"✅ 硬检查
倾向"通常应该"❌,进"写完后必过"清单
手法"可以这么做"❌,只在诊断路径里出现
挂起不写进 skill❌,留在实验记录里等更多数据

4.4 加一条规则的流程

  1. 在 仓库规则表 里写:规则 + 可跑的判据 + evidence
  2. 检查是否违反 §4.1 的两条约束
  3. 用仓库的 corroborate 工具跨语料跑判据(维护者步骤,不随包发布)
  4. 按命中率分档(§4.3)
  5. ★ 把结果写进 仓库实验记录,然后才改 skill

规则集是有版本的。 改了规则集就要重跑,否则前后轮不可比。


5. ★ 规则和数据打架时怎么办

这是本 skill 最重要的一节。

5.1 先问:指标测的是不是那回事

不要拿指标去推翻教科书。

实例:「最高潮前应有能量回落」在全量 62 首里只有 22%, 但在 7 首人工标注真值里是 5/7。

差距的来源:算法用能量峰值定位"最高潮",而人耳不是。 所以 22% 那个数测的不是这条规则,测的是"能量峰值前有没有回落"。

★ 结论:这条不降级为伪规则,也不升为强规则——列为手法。

5.2 另一个实例:硬编码阈值造成的假低命中率

仓库的佐证工具 里曾硬编码"12 dB 动态范围", 把规则 ARR-R-012 的命中率压到 16%,差点被报成"教科书是错的"。

证伪方法:拿 7 首人工标注真值测 → 5/7 = 71%。 修法:改成在归一化的 0–10 单位上打分,不假装能还原 dB。

★ 通用教训:一个异常低的命中率,先怀疑判据,再怀疑规则。

5.3 佐证表与 lint 问的不是同一个问题

问什么
佐证表人类一般会不会这么做
20 条自查不这么做会不会听起来像 AI

★ 所以 70% 的命中率不会机械地把一条 lint 检查降级。 一件事可能只有 70% 的人做,但不做的那 30% 恰好都听起来像机器。


6. 找一个真实例子

你要去哪
某个技法的真实用例reference.md 的逐段拆解
某个和弦进行用在哪首歌mc-progressions reference.md §7 名曲索引
一首曲子的完整实测参数仓库实测语料(63 条)
段落边界的人工真值仓库标注数据(7 条)
配器/混合音色的谱例mc-orchestration reference.md §4
对位的谱例mc-counterpoint reference.md

6.1 逐段拆解的格式

四者对齐:时间码 / 段落 / 编制事件 / 和声。 格式与反向 ARR-SPEC 一致,人工补上机器测不出的部分(intent、hooks、为什么)。


7. 与其他层的接口

方向内容
→ L1/L2 各 skill提供"实测:62/62,强规则"这样的证据等级标注
→ 20 条自查只有强规则才能进自查表
→ mc-ai-tell-audit零点校准(不相关成品得 63–66)就是在这套语料上测的
← 仓库的反推工具语料条目的生成器
← 成品混音语料(★ 缺)§2.2 那些 unusable_here 的规则需要它

8. 用完必过

  • 引用规则时带了证据等级(强规则/倾向/手法),不是光说"教材说"
  • 新加的判据没有复用生成器的定义(§4.1 约束 1)
  • 语料测不了的规则标了 unusable_here,没有硬跑出假数字
  • 命中率异常低时,先怀疑了判据(§5.2)
  • 没有拿佐证表的命中率机械地给 l
阅读完整来源 ↗