AI Lydforbedrer
car-diagnosis (cardiag)
En open-source ML-pipeline, der diagnosticerer bilfejl fra lyd ved at rense lyd, indlejre med CLAP og træne kalibrerede lineære klassifikatorer.
car-diagnosis (cardiag)
Hvad er car-diagnosis (cardiag)?
cardiag er en end-to-end audio-ML-pipeline, der skraber fejlydklip fra YouTube/TikTok, renser lyd for at isolere mekanisk lyd, indlejrer den med en frossen CLAP-model og træner små lineære hoveder til at triagere fejlen. Den tilbyder en CLI og en live web-app til inferens.
car-diagnosis (cardiag) vs Lignende Værktøjer
| Prismodel | Gratis | Gratis, Freemium | Gratis | Gratis, Gratis prøve, Betalt |
| Gratis credits | ||||
| Vigtige funktioner |
|
|
|
|
| Fordele |
|
|
|
|
| Ulemper |
|
|
|
|
| Bedst til |
|
|
|
|
Sådan bruger du car-diagnosis (cardiag)?
- 1Klon repositoriet: git clone <repo> && cd car-diagnosis
- 2Opsæt et Python 3.11-miljø med afhængigheder: uv venv && source .venv/bin/activate && uv pip install -e ".[scrape,web,dev,viz]"
- 3Kør en verifikationstræning: cardiag train --fixtures
- 4Diagnosticér et klip: cardiag diagnose <clip.wav> (eller brug web-appen via cardiag serve --model models)
car-diagnosis (cardiag) Vigtige funktioner
- Skraber lydklip fra YouTube og TikTok
- Renser lyd for at isolere mekanisk lyd fra tale, musik og støj
- Bruger en frossen CLAP-model til lydindlejring
- Træner små lineære hoveder til kalibreret triage (fejl/normal, zone, del)
- Returnerer kalibreret usikkerhed (ECE ≈ 0,04) og 'USIKKER' når det er relevant
- Foruddannet model leveres med repositoriet
- CLI og web-app-grænseflader
car-diagnosis (cardiag) Brugssituationer
- Hurtig foreløbig diagnose af bilstøj fra en telefonoptagelse
- Uddannelsesdemo af audio-ML-pipelinedesign
- Triage-hjælp til mekanikere for at indsnævre mulige fejlsteder
- Datasæt-opbygning og tilpasset træning til specifikke bilmodeller
car-diagnosis (cardiag) Priser og gratis credits
car-diagnosis (cardiag) bruger modellen Gratis.
car-diagnosis (cardiag) Fordele og ulemper
Fordele
- Ærlig kalibrering med usikkerhedsbevidsthed
- Genanvendelig pipeline til andre lydklassifikationsopgaver
- Inkluderer foruddannet model og syntetisk demoklip til øjeblikkelig brug
Ulemper
- Beskeden nøjagtighed på rå telefonlyd (AUROC 0,79 for fejl/normal)
- Ikke sikkerhedskritisk eller en erstatning for professionel diagnostik
- Kræver Python-miljøopsætning og noget teknisk viden
Hvad er car-diagnosis (cardiag) bedst til?
- Bilejere, der ønsker et foreløbigt, ikke-invasivt tjek af motor-/mekaniske lyde
- Udviklere og forskere, der udforsker audio-ML-pipelines
- Mekanikere, der bruger lyd som et triage-værktøj før fysisk inspektion