不上传录音的离线环境声音无障碍提醒器

1 · 创新命题

中 面向住在宿舍或合租屋的聋人及重听者，做一个完全本地、可由用户示教的声音提醒器，只识别 其房间里的烟雾报警器、敲门、洗衣结束和水壶鸣叫，通过腕带振动给出不同模式；相对云端智能音箱， 不保存连续录音，并把漏报、误报、端到端延迟与待机功耗逐项公开。 EN A private, offline, user-trainable sound-alert device for deaf and hard-of-hearing people in dorms and shared homes, mapping alarms, knocks and appliance cues to distinct wrist vibrations without storing continuous audio or sending it to a cloud service.

2 · 背景与空白

Apple Sound Recognition、Android Sound Notifications 与 Amazon Alexa Sound Detection 已提供不同范围 的声音识别，能力、设备要求和本地/云处理边界随版本变化，需核实；开源 YAMNet 给通用音频类别， Edge Impulse 支持嵌入式训练部署。2026 Cyber 决赛 Robo Therapy 与 Echo/Pulse 聚焦震颤外骨骼、肌电语音， 本题不做治疗或语音恢复。空白在：用户能用少量自家样本增加一个极具体声音，同时设备给出隐私 可验证性与电池代价，而不是声称“AI 什么都能听懂”。

3 · 可检验假设

H1 对 4 类目标声音，在跨房间、跨距离和背景电视条件下，个性化轻量模型达到事件召回 ≥ 0.90、 每 24 小时误报 ≤ 3 次，端到端振动延迟 ≤ 2 秒；原始音频在推理后 10 秒内自动清除。 H2（机制）每类加入 10 个用户现场样本，相对通用预训练分类器使 PR-AUC 提升 ≥ 0.10，且不会让 待机功耗增加超过 10%。

4 · 量化验收标准

1. 【方法学校验 · 硬门槛】 用自建采集链复现 AudioSet/YAMNet 官方至少 30 个公开音频片段 的类别与置信度排序，top-5 命中率与参考实现偏差 ≤ 5 个百分点；用标准音源校验录音幅度偏差 ≤ 3 dB。 此条不过，后续全部结论无效。
2. ≥ 400 个事件、≥ 40 小时负样本，覆盖 3 个房间、3 个距离；仅用公开许可声音与团队自录非私人内容。
3. 极不平衡事件检测报 PR-AUC、召回、精确率、每日误报，明确不报 accuracy；按录制 session 划分， 同一长录音切片不得跨集，并量化随机切片高估。
4. 原始音频删除用 canary 文件与存储取证验证；断网 72 小时功能不变。
5. 报功耗、预计续航区间、延迟 95 分位；烟雾报警不得声称替代认证报警辅助器。

5 · 数据与工具

用途	来源 / 工具
计算	Raspberry Pi Zero 2 W 或 ESP32-S3；YAMNet 未必适合 MCU，实际内存能力 需核实
音频	I2S MEMS 麦克风、公开 AudioSet 子集；授权与标签质量需复核
模型	TensorFlow Lite/YAMNet 或 Edge Impulse；个性化层与事件聚合需自己实现
提醒	BLE 振动腕带或自制 nRF52/振动马达；BOM 价格按地区 需核实
对照	YAMNet 官方推理、手机系统声音提醒 —— 仅用于校验与对比，不计入数据贡献

能力边界：通用数据集的“alarm”不代表用户家的声学环境。致命错误是用同一段长录音切片后随机 分集，模型会记住背景，必须按 session/房间留出。

无障碍设计部分不得由健听团队代替目标用户下结论。振动编码要测混淆矩阵：受试者在不看屏幕时是否 能区分敲门、报警和家电结束；若识别率低，增加模型类别反而降低安全性。烟雾报警事件可用公开录音与 低声级扬声器重放，绝不触发真实消防系统；隐私指示灯与物理静音键也要进入任务测试。 每个类别还要提供“我不确定”的振动/屏幕状态，低置信度时不得强行给出错误类别。用户能调阈值， 但界面同时显示预计漏报与误报变化，避免通过把阈值调高获得虚假的低误报。

6 · 赛季执行路径

1. 第 1–2 周：采集链、30 片段与声级方法学校验。
2. 第 3 周：与 2 名目标用户/无障碍顾问确认四类声音和振动编码。
3. 第 4–6 周：采集 400 事件与 40 小时负样本，冻结切分。
4. 第 7 周：通用基线；第 8 周个性化对照与消融。
5. 第 9 周：72 小时断网、删除取证、功耗与延迟测试。
6. 第 10 周：可用性走查；第 11–12 周单位经济、伦理边界和简述。

7 · 新颖性边界

不声称：不发明声音分类；不取代消防认证设备；不诊断听力；不覆盖所有环境声音。 已有工作：Apple Sound Recognition、Android Sound Notifications、Alexa Sound Detection 提供系统 功能；Google YAMNet/AudioSet 与 Edge Impulse 提供模型工具。本项目贡献是宿舍/合租场景的本地 示教、无录音留存验证，以及精度—功耗—隐私的公开权衡。护城河类型：零资源（B，零云连接）+ 极端具体（G）；用户自定义声音模板在设备内积累，不售卖录音。

8 · go/no-go

第 3 周末：目标用户无法参与时，具名降级为 无障碍顾问评审 + 合成任务测试，不声称真实用户 采纳。 第 6 周末：每类有效事件 < 60，收窄到烟雾报警器与敲门两类；第 8 周若召回 < 0.75，则降级为 可调声学模板匹配器，不使用通用 AI，但保留离线、可示教和误报量化框架。