📄 钢琴小样如何扩展成流行伴奏：无对齐监督的 Piano2Pop 解读
英文题目：Piano2Pop: Expanding Piano Demos into Pop Productions Without Aligned Supervision
评分：6.4/10 | 创新 1.2/2 | 技术严谨 1/1.5 | 实验充分 1.1/1.5 | 清晰度 0.8/1 | 影响力 1/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 1/1.5
👥 作者与机构
- Yun-Chen Cheng：机构信息未能在本次解析中与作者逐人可靠绑定
- Chih-Pin Tan：机构信息未能在本次解析中与作者逐人可靠绑定
- Tzu-Hung Huang：机构信息未能在本次解析中与作者逐人可靠绑定
- Yi-Hsuan Yang：机构信息未能在本次解析中与作者逐人可靠绑定
📌 核心摘要
读者需要理解的对象是一段钢琴MIDI小样，目标是生成完整器乐流行制作，难点是两者时长、速度与结构不对齐而缺少配对监督。论文先从无配对流行器乐出发，用不限配对的MuScriptor转录或在翻弹配对上训练过的PiCoGen2编配生成伪钢琴MIDI，并配以音区密度增强与功能筛选转录，再把伪MIDI与原器乐组成时间对齐训练对。伪MIDI经残差一维卷积编码为帧对齐特征后，与生成掩码及噪声音频隐变量拼接送入预训练流匹配扩散变换器，生成音频隐变量并经波形VAE解码为波形，在隐变量空间与真实流行器乐比对以微调模型。推理时真实钢琴翻弹走同一编码生成解码链路，与保留钢琴原声的合成或伴奏补全不同，该任务要求把低音、鼓与主奏重新分配为流行配器。在476首真实配对每首五个30秒窗口的真实钢琴输入评测中，PiCo路线的Accompaniment Prompt Adherence为0.964高于FST的0.895，Fréchet Audio Distance为0.231低于FST的0.255，Level-Normalized Mel-Shape RMSE为1.044 dB低于FST的1.371 dB。结论只适用于固定长度片段与器乐流行范围，全曲结构与人声尚未验证。原文未披露训练、推理或部署成本。
🔗 开源与复现资源
第三方资源：https://www.youtube.com/@sing2piano — 链接可访问（HTTP 200）
第三方资源：https://www.youtube.com/@KaraoKeysPH — 链接可访问（HTTP 200）
第三方资源：https://hhhhaura.github.io/piano2pop → https://hhhhaura.github.io/piano2pop/ — 链接可访问（HTTP 200）
可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。
🧭 深度解读
流行歌为什么先写钢琴小样
很多流行歌一开始并不是成品，而是一个能把歌曲立住的小样。钢琴特别常用，因为两只手可以同时交代旋律、和声、声部进行、力度和律动，作者可以先确定这首歌是什么，而不必马上决定它最终听起来像什么。制作人的工作就是从这个草稿里读出音乐意图，再用鼓、贝斯、吉他、键盘音色、编配与混音把它实现出来。
论文把这个方向明确为 1 个任务：输入是钢琴 MIDI 小样，输出是完整的器乐流行成品，要求听感连贯、风格像流行，同时忠于小样的音乐意图。这里的关键是小样里的音符不是要原样保留的伴奏，而是要被重新分配的素材。低音可能要交给贝斯，强拍与节奏骨架要交给鼓，主旋律要交给主奏乐器，和声要铺成吉他或键盘层次。如果系统只是给钢琴加一层伴奏，或者把钢琴音色换成别的乐器，就没有完成扩展。
音乐缩减 × 音乐扩展： 音乐缩减指把多乐器混音压成钢琴可演奏的形式，只保留主干声部；音乐扩展则相反，要从钢琴小样推断并补出鼓、贝斯与编配层次。本文把前者看作做减法，后者看作做加法，因此不能只给钢琴加伴奏，而要重新分配声部与音色。
已有路线为什么不能直接拿来用
与本文最接近的前辈是符号域的钢琴到乐队配器。它同样是从钢琴草稿扩展到多乐器，但输出的是乐谱，不是直接生成带音色与制作质感的音频。早期工作依赖配对的钢琴与管弦乐谱，后来因为配对稀缺转向合成缩减与检索等办法。本文要解决的还包括声音实现，难度更大。
另一条路线是时间可控的音乐生成。MuseControlLite 与 JASCO 把旋律、力度、节奏等解耦条件分别控制生成，SingSong 与 StemGen 是为给定输入生成相配的伴奏或分轨，ACE-Step 则支持把音频录音当作草稿来翻唱与编辑。论文选择多复音 MIDI 作为草稿形式，理由是钢琴里的旋律、和声与节奏是纠缠在一起的，不一定能干净拆成几个独立控制量，用钢琴卷帘整体输入更能保留这种相互作用。
任务的输入输出与两个研究问题
论文把 Piano2Pop 限定为先研究固定长度片段，而不是整首歌。训练用 30 秒流行器乐片段，这个长度常常能覆盖一个主歌或副歌段落。输入是钢琴 MIDI，输出是流行器乐波形。训练时没有真实配对的钢琴小样与流行成品，测试时才用真实的人弹钢琴翻弹来检验迁移。
论文提出两个问题。第一，针对这个任务专门适配，是否比直接拿现成的条件音乐生成系统做零样本推理更好，用钢琴与成品的贴合度与频谱形状匹配来衡量。第二，伪小样的两种做法，即不依赖翻弹配对的转录路线与依赖翻弹配对的生成路线，对真实钢琴输入的迁移有什么影响，用生成分布与真实流行分布的接近程度来衡量。这两个问题把方法选择与数据选择分开了。
整体流程：流行录音如何变成训练对
整个办法可以沿着一个 30 秒流行器乐片段来理解。训练时起点是真实流行音频，终点是同一段音频。中间先从这段音频造出一个时间对齐的伪钢琴 MIDI，把两者组成 1 对，再用这对数据微调生成模型。推理时起点换成真实钢琴 MIDI，模型沿同一条编码与生成路径输出流行波形，再在音频域与真实流行比较。
下图是论文给出的总览，左侧是数据准备，右侧是训练与真实域评测，读图时先分清哪条是造数据的路，哪条是学生成的路，特别注意伪 MIDI 只在训练时出现而测试时输入分布变了。
看图路径： 1. 先沿左侧从流行音频经人声分离到伪小样提取的主路径看数据准备；2. 再看右侧伪或真 MIDI 经编码器进入 ACE-Step 并在隐变量与音频域比较的两条评价路径；3. 注意训练用伪 MIDI 而推理用真 MIDI，输入分布切换的位置在哪里
论文图 1。原论文 Figure 1:：“Overview of Piano2Pop. Data preparation: real pop audio is optionally source-separated, transcribed to piano MIDI (pair-free or pair-supervised), and optionally augmented.”。
从图中可见，数据准备先做可选的声部分离与转录，再分出配对无关与配对监督两条伪小样提取分支。训练时转录得到的 MIDI 经编码器送入流匹配模型，生成音频隐变量再解码为波形，并在隐变量空间与真实流行比较。推理与评测时真实钢琴 MIDI 走同样的编码路径，生成音频与真实流行在音频域比较。这张图帮助理解后文分布外评测的来源，即训练与测试的钢琴输入来自不同过程。
伪监督 × 伪小样： 伪监督指没有真实配对的钢琴小样与流行成品，就用流行录音自己造出时间对齐的训练对；伪小样就是这一步造出的钢琴 MIDI 输入。它让模型能学到从钢琴到流行的映射，但它的风格偏差会直接影响对真实小样的迁移效果。
配对无关路线怎样把混音听写成钢琴
配对无关路线用 MuScriptor，这是一个多乐器转录模型，正常输出是每个乐器一条轨道的矩阵式钢琴卷帘。论文只需要钢琴小样，就在解码时强制只输出 MIDI program 0，也就是大钢琴，把整个流行混音听写成一首钢琴曲。这种做法不需要任何翻弹与原曲的配对监督，保留的是混音里实际出现的音高与节奏，但它听到的鼓、贝斯、吉他都会被压进钢琴，天然偏密偏宽。
转录模型本身不给力度时，论文用一个 1010 ms 帧级对数能量包络来补力度。做法是按音符起始处的能量排序得到分位数，再用固定的分位数到力度锚点做插值，只保留相对强弱，不保留绝对响度。力度被裁剪到 25 到 95 之间。这个公式要计算的是每个音符的力度值，符号里 r 是能量排序分位数，q 与 v 是固定的锚点，interp 是插值，clip 是限幅。
\[v_{i}=\operatorname{clip}\!\left(\operatorname{interp}(r_{i};\mathbf{q},\mathbf{v}),25,95\right).\]配对无关转录 × 配对监督翻弹生成： 配对无关转录指直接用多乐器转录模型把完整混音听写成钢琴，没有学过翻弹与原曲的配对关系；配对监督翻弹生成指先用配对的流行录音与钢琴翻弹训练编配模型，再用它为新伴奏生成翻弹风格小样。前者保留混音原样多但偏密偏宽，后者更像人弹但依赖额外配对数据。
两种增强分别修什么偏差
论文先做了回顾分析，发现两种伪小样与真实钢琴在局部音区宽度与音符密度上都有差距。真实钢琴更窄更适中，而 PiCoGen2 生成的偏稀疏，MuScriptor 转录的偏稠密。这促使论文引入两种互补的增强。
音区密度增强是对已经转录好的伪小样做随机编辑。八度折叠把非贝斯音符向局部音区折叠一个八度，同时保留贝斯线与最高音边界；按功能删音则在局部和声音符组里按音符功能 thinning，优先保留结构上重要的音。它直接修形状，但不改变转录听到了什么。
功能选择式转录则从音乐缩减的视角出发，先用 HTDemucs 把器乐分成鼓、贝斯、其他、吉他、钢琴，人声除外，再组成 4 种混合：全部、和声类 pitched 去鼓、去贝斯、仅钢琴加贝斯。每种混合分别转录成钢琴。原来只用全混音转录的一份小样，之后全混音重复原来那份，另 3 种带来新的 MIDI 变体，使配对无关训练集变大。它改变的是转录听到了哪些功能，论文认为这可能比只修音区密度更重要。
音区密度增强 × 功能选择式转录： 音区密度增强是对已转录出的伪小样做局部编辑，收窄音区并按声部功能删音；功能选择式转录是在转录之前先把鼓、贝斯、吉他等分轨重组成不同混合再分别转录。前者是事后修形状，后者是事前选功能，论文比较哪种更能缩小与真实小样的差距。
配对监督路线与编码器如何接入生成模型
配对监督路线用作者此前的 PiCoGen2，它在配对的流行录音与钢琴翻弹上训练，能从器乐特征自回归生成钢琴编配。论文用它为训练用的流行器乐生成钢琴翻弹，再把这对反过来当作 Piano2Pop 的训练对。因为它是逐小节生成的，论文先对源器乐做节拍跟踪，再把每小节生成的 MIDI 线性拉伸到节拍得到的小节边界上，保证时间对齐。这种伪小样有统一的模型化编配风格，不只是局部编辑。
生成侧微调的是 ACE-Step v1.5 预训练的修正流变换器，24 层约 2.39B 参数，波形变分自编码器被冻结，把 48 kHz 立体声映射到 64 通道 25 Hz 隐变量并可解码回去。钢琴 MIDI 表示为 176 乘 T 的张量，覆盖音高 21 到 108，帧率 25 Hz，有二进制延音平面与起始力度平面，力度除以 127 归一化。五层残差 1 维卷积编码器输出帧对齐特征，核为 5，宽度 512，用 GroupNorm 与 SiLU，局部感受野每侧约 0.4 s，局部音乐特征交给编码器，全局结构交给扩散变换器主干。
钢琴卷帘编码器 × 流匹配变换器： 钢琴卷帘编码器把离散 MIDI 音符变成与音频隐变量帧对齐的连续特征，只看局部约 0.4 秒范围；流匹配变换器是预训练的 ACE-Step 音乐生成主干，负责在全局上组织结构与音色。两者分工是编码器讲清弹了什么，主干决定做成什么样的流行声音。
编码后的钢琴特征替代了 ACE-Step 原来的参考音频条件，与全 1 生成掩码和加噪音频隐变量拼接，共 192 通道。微调时编码器与变换器用不同学习率，前 2000 步只训练编码器，之后联合微调，监督来自伪 MIDI 对应的真实流行音频在隐变量空间的比较。
训练数据、消融设置与零样本基线
训练用 DB1，是没有真实钢琴 MIDI 的大规模流行歌集合，共 8876 首 YouTube 曲目，其中 8463 首训练约 554 小时，413 首验证，伪钢琴小样都从这里派生。评测用 DB2，是有真实钢琴 MIDI 翻弹的小集合，留作测试。所有设置都微调预训练 ACE-Step v1.5 基础版 500000 步。
伪小样消融比较 4 种：MuScriptor 钢琴转录的 Base，功能选择式转录的 FST，MuScriptor 加音区密度增强的 RDA，以及 PiCoGen2 生成翻弹的 PiCo。前三者训练输入都来自 MuScriptor 系，最后者来自 PiCoGen2 系。训练分布输入与真实输入的差距正是本文要研究的迁移问题。
两个外部基线都用已发布推理管线，不用本文的检查点与钢琴卷帘编码器。MuseControlLite 用 Stable Audio Open 配置，以从钢琴音频提取的单声部旋律、力度、节奏为条件，加固定的器乐流行文本提示。ACE-Step 翻唱基线用预训练 ACE-Step v1.5 基础版的原生翻唱任务，直接以钢琴音频与固定流行编配文本提示为条件，开器乐模式，关语言模型规划，推理 50 步，引导尺度 7.0。比较时要注意基线输入是音频或分解条件，而微调系统输入是 MIDI，条件形式并不相同。
评测对、输入分布与三个客观指标
DB2 把来自 Sing2Piano 与 KaraoKeysPH 的钢琴伴奏翻弹与其对应器乐配对，保留调性一致且时长差至多 55 s 的 476 对，这些歌不进 DB1 训练验证，且其翻弹通道与训练 PiCoGen2 用的通道不重叠。每首评测 5 个 30 s 窗口，窗口起点与随机种子跨系统严格一致。
推理时评测两种输入分布。训练分布输入是用留出器乐按各自训练源合成的 MIDI，Base、FST、RDA 用 MuScriptor 系，PiCo 用 PiCoGen2。真实分布外输入是人弹钢琴翻弹，用高分辨率转录模型转录，因其能估计力度。476 对没有时间对齐验证，所以论文又手工对齐 33 对 oracle，把器乐平移与保调变速到钢琴，作为冻结的 APA 参考。
指标第一次出现时需要说清方向。Fréchet Audio Distance 比较生成与真实未变形器乐在 CLAP 嵌入分布上的差异，越小越接近。Accompaniment Prompt Adherence 把原来用于语境与伴奏贴合度的定义改到钢琴与成品贴合度，用 Fréchet 嵌入距离度量候选分布与对齐参考及随机错配参考的相对位置，越大越贴合。电平归一化梅尔形状误差先对每段取时间平均对数梅尔谱，再减去频率均值去掉整体电平，在 2380 段上平均后算 128 维轮廓的均方根误差，单位 dB，越小音色均衡越像。贝斯加鼓能量占比与钢琴能量占比用 HTDemucs 分轨后算功率份额，目标是接近真实值。
Fréchet Audio Distance × Accompaniment Prompt Adherence × 频谱形状误差： Fréchet Audio Distance 比较生成伴奏与真实伴奏在 CLAP 嵌入分布上的接近程度，越小越接近；Accompaniment Prompt Adherence 比较钢琴与伴奏配对关系的贴合程度，越大越贴合；频谱形状误差比较平均对数梅尔谱在去掉整体响度后的均衡差异，越小音色混音越像。三者分别回答像不像流行、跟不跟钢琴、频谱均衡对不对。
下面公式要计算的是 APA，符号里 C 是待评的钢琴与成品配对分布，R 是对齐参考，R 撇是随机错配参考，d 是 Fréchet 嵌入距离。论文因 oracle 窗口远少于 512 维嵌入维度，先在 R 上拟合主成分分析并取前 32 主成分，约占 R 方差 90%，再把三者投影后算距离，换 16 或 64 结论中系统排序不变。
\[\mathrm{APA}(C;R,R^{\prime})=\frac{1}{2}+\frac{d(C,R^{\prime})-d(C,R)}{2d(R,R^{\prime})},\]主结果：在真实钢琴上谁更接近真实流行
要理解音区密度增强为什么被提出，先看真实钢琴与两种伪小样在音高分布和音符密度上的差别。论文对 476 首配对歌曲统计了 30 毫秒邻域内的局部音高跨度和平均每秒音符触键数，比较 PiCoGen2 生成的翻弹、MuScriptor 转录结果和真实钢琴。
下表比较三者在同一 476 首上的局部音高跨度和音符密度，单位与统计口径完全一致，跨度以半音计，密度以每秒触键数计，用于判断伪小样是否偏宽或偏密。
| Statistic | PiCoGen2 | MuScriptor | Real piano |
|---|---|---|---|
| Pitch spread (semitones) | 19.77 | 19.88 | 16.31 |
| Mean note attacks/s | 3.02 | 7.94 | 5.30 |
表中真实钢琴跨度为 16.31 半音，两种伪小样分别为 19.77 和 19.88 半音，都明显偏宽。密度上 PiCoGen2 为 3.02，偏稀疏，MuScriptor 为 7.94，偏稠密，真实钢琴为 5.30 居中。这说明仅靠局部八度折叠和按功能删音来缩小音区与密度差距是否能改善迁移，需要用后续真实钢琴输入的分布指标来检验。
下图进一步展示各系统在真实钢琴输入下相对真实值的乐器能量份额差，纵轴为与真实值的百分点差，零线表示与真实一致，读图时重点看鼓、贝斯与钢琴 3 组是否贴近零线。
看图路径： 1. 先看横轴鼓、贝斯、吉他、钢琴与其他五组与纵轴相对真实值的百分点差；2. 比较 PiCo 与功能选择式转录在鼓、贝斯、钢琴三组上的误差条是否更贴近零线；3. 注意 MuseControlLite 在钢琴组大幅偏高而在鼓组大幅偏低的失败形态
论文图 2。原论文 Figure 2:：“Difference from GT in mean instrument-energy share, with 95% confidence intervals, under OOD real-piano conditioning. Vocals are omitted.”。
从图中可见，PiCo 各棒最贴近零线，尤其鼓、贝斯与钢琴 3 组误差小。功能选择式转录把基础转录与音区密度增强欠缺的鼓贝斯能量补回来，更接近真实节奏组。MuseControlLite 在钢琴组大幅偏高、在鼓组大幅偏低，说明基本还停留在钢琴。ACE-Step 翻唱在鼓贝斯也偏低，钢琴残留偏高。这张图把能量份额是否接近真实值的转换是否彻底直观呈现，但它只反映平均功率份额，不反映旋律是否跟对。
微调系统与零样本基线差在哪里
论文还比较了微调系统与两个零样本基线。在真实钢琴输入上，所有微调系统在 APA 与频谱形状误差上都显著优于两个基线，FAD 上微调也显著优于 MuseControlLite，其中 PiCo 与功能选择式转录最好。显著性用配对歌曲簇自助法 95% 置信区间不含零判断，与非正式试听一致。
具体看，ACE-Step 翻唱的 APA 接近下限，论文认为可能是音频隐变量条件难以跨越从钢琴小样到完整流行的风格鸿沟，基本没跟上输入。MuseControlLite 的 APA 不算最低，但 FAD 与形状误差都是最大，钢琴能量占比高而鼓贝斯极低，说明还基本是钢琴。尽管它用了旋律、力度、节奏条件，理论上更能 bridging 风格差，但零样本使用本身可能就是限制。论文据此认为 Piano2Pop 值得作为独立任务，需要任务级建模，而不是直接套用现有条件生成。
这个结论的条件是基线都用固定文本提示与发布管线，没有为 Piano2Pop 调参，也没有接入 MIDI 编码器，所以它证明的是零样本现成用法不行，不证明这些主干没有潜力。
增强消融：为什么只修音区密度不够
要理解增强的作用，需要把 Base、音区密度增强、功能选择式转录放在一起看。论文发现音区密度增强相对 Base 在真实钢琴上没有一致提升，而功能选择式转录明显不同，在真实钢琴 APA、FAD、形状误差与鼓贝斯能量上都更好。训练分布下功能选择式转录与 Base 的 FAD 相近，说明差距主要在迁移，而不是在训练集上拟合更好。
论文的解释是保留的音乐功能比单纯匹配音区与密度更重要。Base 与音区密度增强都欠鼓贝斯，功能选择式转录通过去掉鼓或贝斯再转录，迫使训练集包含不同功能组合的小样，模型更能学会把低音给贝斯、把拍子给鼓。音区密度增强只做八度折叠与按功能删音，形状修了，但转录听到的功能集合没变。
下表是局部音高跨度与平均音符密度的回顾统计，表前先说清比较问题：它不是效果表，而是说明伪小样与真实小样在形状上的差距，为何需要增强，跨度越大表示局部音区越宽，密度越大表示每秒起始音符越多。
| Statistic | PiCoGen2 | MuScriptor | Real piano |
|---|---|---|---|
| Pitch spread (semitones) | 19.77 | 19.88 | 16.31 |
| Mean note attacks/s | 3.02 | 7.94 | 5.30 |
表中可见，以 30 ms 邻域统计，两种伪小样的音高跨度都比真实钢琴更宽，平均每秒音符起始数一个偏稀一个偏密。这解释了音区密度增强想收窄变稀的动机，但也说明只看这两个数字不能预测迁移，因为功能选择式转录并没有直接优化它们却迁移更好。限制是这只是 476 首上的平均统计，不能说明某一首的编配难度。
结论在什么条件下才成立
首先是片段与数据条件。训练与评测都是 30 s 窗口，常对应主歌或副歌段落，没有验证整首歌的结构、转调与编配发展。DB1 约 554 小时，DB2 为 476 对，oracle 仅 33 对，APA 参考冻结在这 33 对上，主成分取 32 维，虽然换 16 或 64 排序不变，但小参考本身仍是瓶颈。
其次是指标条件。FAD 用 CLAP 嵌入，APA 用 LAION-CLAP 音乐嵌入加主成分投影，形状误差只看去电平后的平均频谱，能量占比只看 HTDemucs 分轨功率。它们能刻画分布接近、配对贴合与音色均衡，但不等于人工评价的音乐性与忠实度。论文也没有报告误判率、延迟、推理开销与输出帧率，不能从这些数字推出实时性或成本。
最后是输入条件。真实钢琴输入是经高分辨率转录模型从翻弹音频得到的 MIDI，不是直接的人演 MIDI 文件，转录误差会进入评测。训练分布输入与真实输入的差距正是本文要研究的，但这也意味着换一种钢琴音色、录音或演奏风格，排序可能变化。
复现第一步做什么与资源现状
复现应先按论文的数据划分重走数据管线。用 DB1 的流行器乐做人声分离之外的分轨与转录，分别造出 Base、功能选择式转录、音区密度增强与 PiCo 4 种伪小样，再按 500,000 步、前 2000 步只训编码器的策略微调 ACE-Step v1.5。评测时固定 5 个窗口起点与种子，分别测训练分布与真实翻弹分布，避免把两种输入混在一起比。
资源方面，论文在正文给出演示页链接，DB2 的翻弹来源指向两个 YouTube 频道，均为第三方链接，只证明论文提到这些来源，不证明作者已开源。论文称计划在发表后公开代码与检查点，但本次证据未确认作者资源可用，因此不能写已公开或可下载。需要补的验证至少包括人工听感评价、整曲级联与不同转录前端下的稳定性，否则不能把客观最优直接当作品质最优。
什么时候值得尝试这条伪监督路线
如果你手里只有大量无配对流行录音，又想做从钢琴 MIDI 到流行伴奏的扩展，这条伪监督路线值得尝试。已有配对翻弹数据或能训练翻弹生成器时，优先走 PiCo 式配对监督伪小样，它在本文条件下迁移最好。如果没有翻弹生成器，优先走功能选择式转录，用分轨重组增加功能多样性，而不是只做音区折叠与删音。
容易产生的误解是把训练分布上的好成绩当成真实小样上也好。论文显示 Base 在训练分布 FAD 与形状上不差，但到真实钢琴就掉下去，说明伪小样与真实小样的差距才是关键。另一个误解是把能量占比接近当成音乐跟对了，它只说明鼓贝斯出来了、钢琴残留少了，不保证旋律与和声进行正确，还需要听感与贴合度一起看。
📎 论文与评分元数据
排名：前50% | 文档类型：方法研究 | arXiv 原文
⚖️ 评分明细
评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。
评分规则：type-aware-v1
评分模型：muse-spark-1.3-contributor
评分请求协议：openai_responses