Mc Case Studies

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](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： AMContraHeartPeripheral、APZXCyberMower、DigitalHumansElectrvm、 ForkupinesSemantics、MERCMusicKnockout、MR1103Flags、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](reference.md) 的逐段拆解 | | 某个和弦进行用在哪首歌 | mc-progressions [reference.md](../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](../mc-orchestration/reference.md) §4 | | 对位的谱例 | mc-counterpoint [reference.md](../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 lint 检查降级（§5.3）
• [ ] 改了规则集就重跑并记进 仓库实验记录

---

附：现状

已有：

• 仓库实测语料 —— 63 条实测 ARR-SPEC（Cambridge-MT）
• 仓库规则表（规则集带版本号）
• 仓库标注数据 —— 标注工具 + 7 条人工真值
• _corpus/multitracks/ —— 11 项（含 _index.json、_parts.json）
• 仓库实验记录：度量标定 / 拍速校准 / 规则佐证第一轮
• 拍速校准：56 首真值

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: jtydhr88
• Source: jtydhr88/music-composition-skills
• License: MIT

Install and usage instructions live in the source repository linked above.