📄 睡前故事不是越听完越好：Nedimo 如何把不确定的睡眠证据变成可检查的生成管线
英文题目：Nedimo: An Evidence-Grounded Multilingual Pipeline for AI-Generated Sleep Stories
评分：5.3/10 | 创新 1/2 | 技术严谨 1/1.5 | 实验充分 0.6/1.5 | 清晰度 0.8/1 | 影响力 0.4/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 1.2/1.5
👥 作者与机构
- Georgios Makridis：机构信息未能在本次解析中与作者逐人可靠绑定
- Stefanos Kampouris：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
读者需要理解的问题是，普通音频以完播和留存为目标，而助眠音频希望听者在中途入睡，直接优化完播反而与目标冲突，成人睡前叙述的实证结果又多为混合或阴性。论文处理的输入是运行日期与语言决定的槽位记录，输出是经过校验、合成、响度归一与发布门限的完整音频故事，难点在于让大语言模型稳定遵守低唤醒、注意力渐降和时长预算。处理过程先由确定性规划器固定时长、领域、运动模式和声音配置，再由提示契约生成可解析正文与合成备注，然后经结构与词汇校验、一次针对性重试与隔离，最后分段合成、拼接、响度处理并复测已编码文件。与已有儿童故事生成不同，该系统不追求情节新奇，而是用四阶段注意力渐降约束新实体引入，并把文本正确与波形声学合规分开测量。在10月12日单次夜间运行的表III五故事试点测量中，同为20分钟目标和相同语音条件下渲染时长误差指标下英语为+2.0%（20.4分钟）、印地语为-38.2%（12.4分钟），英语渲染时长误差高于印地语，说明文本字数预算不能保证实际播放时长。结论仅适用于放松与注意力支持场景，作者明确不声称治疗失眠，原文未披露训练、推理或部署成本。
🔗 开源与复现资源
本次未形成可展示的已核验资源记录，开放状态尚未核实。
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
这篇论文要解决的输入、目标和不能碰的红线是什么
论文面对的输入是成年人睡前场景：用户在夜间、通常关屏状态下打开一个故事，希望注意力从担忧和反刍上移开，进而放松。目标不是让人听完、点赞或追更，而是支撑向睡眠过渡。必须保留的信息是低唤醒、连贯、可理解的叙述，以及可复现的时长和声音电平；输出是一段已通过文本和声学门限、可直接发布的旁白音频，外加记录它如何被接受或隔离的元数据。
关键在于普通媒体目标在这里会反转。对娱乐产品，播完率越高越好；对助眠产品，一直听到结尾反而可能意味着听者始终清醒。如果直接优化完成率，系统会倾向更抓人的情节，这与低唤醒目标冲突。论文因此把完成、重播、早退等都只当作含糊的行为信号，不当作睡着了的证据。
另一条红线来自证据本身的不确定。作者梳理后认为，旁白音频不是天然促眠的，已有对照试验混杂，最大规模的主动对照随机试验也没有显示优于数字对照。因此整套设计按保守工程处理：不承诺治疗失眠，不保证听了就能睡着，不把环境声、固定频率或某种音色包装成有效成分，产品定位只是放松和注意力支撑工具。
已有睡眠音频证据说了什么，为什么只能保守使用
论文把证据分成三块。第一块是直接的成人睡前音频证据，样本从 40 人到 495 人不等，干预包括音乐、有声书、睡眠播客、正念和应用故事。总体信号是异质的：有的只在音乐组看到主观睡眠改善，有声书组未改善；有的看到体动记录的睡眠效率或心率变异性变化，但主观量表改善只出现在正念组；重症监护室的 1 次 30 分钟有声书加音乐报告了有利的感知和生理指标，但场景特殊，无法推广到家庭，也不分离旁白本身的作用。
第二块是相邻的声音与传递证据。音乐的 Cochrane 综述支持主观睡眠改善，客观指标则不确定；助眠音乐通常更轻更慢，但个体差异大。白噪声和粉噪声综述异质，环境声层只能做成可选。世界卫生组织的环境噪声指导是防止打扰的边界，不是给有声书播放定剂量。没有任何固定载波、调音、双耳拍频或脑波频率被证实是旁白音频的有效属性。
第三块是与生成和合成相关的约束证据。结构化输出基准显示，即使较强的语言模型也会违反非平凡模式；零样本长度控制不可靠，需要目标调整、过滤和自动修订。语音合成方面，SSML 可以跨供应商表达发音、停顿、语速、音高和音量，但各供应商行为仍各异，神经语音合成在时长、音高和节奏上有 1 对多变化，所以文本正确不等于波形合格，最终波形必须实测。作者用与 EBU R 128 一致的响度、响度范围和真峰值术语，但明确不假设广播目标本身就是合适的睡前电平。
为什么完播率高反而可能是坏事
论文反复提醒的一个误解是把媒体参与等同于睡眠。夜间播放记录里，停止位置靠前可能对应入睡，也可能对应拒绝、被打断或技术故障；听到结尾可能对应清醒享受，也可能只是定时器设得短。如果用完播率选内容，系统会逐渐偏向更刺激、更让人保持清醒的故事，这正是生产流量不能向最大化完成漂移的原因。
为此，规划器把低、中、较高参与度的版本按固定比例分配，而不是让线上数据自动推高刺激度。应用层关闭自动连播，提供睡眠定时器和渐弱，支持关屏播放，不设连击奖励和 escalating 提醒。夜间重复使用被当作可能的依赖信号来监测，而不是当作成瘾运营指标来庆祝。
另一个相关发现来自瑞典 1136 人的自选在线调查：有入睡困难症状的受访者更常报告用睡前有声书减少担忧，每日收听者更常报告重复听同一本书。论文强调这是横断面自述，不能证明流行率、疗效或因果，但足以要求产品支持熟悉感而不做参与最大化的习惯机制，例如提供 recurring-world 模式，同时记录与依赖感知相关的遥测。
整条管线如何从夜间计划走到可发布文件
生产系统被描述为每夜运行的序列：确定性槽位规划先于任何模型调用，接着组装提示、生成脚本、解析验证、有限重试或隔离，通过后分段合成、静音拼接、两遍响度处理与编码，最后对落盘文件复测并决定发布或扣留。实线是发布主路径，虚线是修正、隔离和聚合反馈路径。生成只是其中一个阶段，不能绕过前后检查。
这种分层防御的含义是，下一层不能补偿上一层的失败。文字写得再流畅，只要时长估计超差、含有不安全断言或波形削波，仍然不可发布。每个槽位记录保留规划器版本、语言、内容参数、提示版本、模型与供应商标识、验证结果、重试状态、合成设置和音频测量，使脚本可再生、语音可重合成而不丢失来源。
下表是论文的证据到需求映射，说明每条文献或风险如何变成设计要求和已实现控制。它是理解后面所有门限的起点：注意力需要中间值而非完全平坦，疗效声明必须收敛，熟悉感不能做成上瘾机制，电平必须实测，生成指令必须被验证而非被信任。
| Evidence or risk | Design requirement | Implemented control |
|---|---|---|
| Engaging, pleasant imagery can redirect unwanted pre-sleep thought [10]. | Capture attention without threat, urgency, or an unresolved goal. | Concrete opening, continuous low-stakes movement, sensory palette, limited dialogue, and bounded novelty. |
| Bedtime-story trials are mixed and the strongest active-controlled result is null [5]. | Do not represent the system as treatment or guarantee sleep. | Claim boundary in prompts, interface copy, validation rules, paper, and evaluation plan. |
| Daily-listening survey respondents more often reported reusing a book and difficulty falling asleep without audio [6]. | Support familiarity without engagement-maximizing habit mechanics. | Recurring-world mode, autoplay off, no streak objective, and reliance-oriented telemetry. |
| Environmental sound can disturb sleep; masking evidence is inconsistent [13, 14]. | Keep level and dynamics controlled and ambience optional. | Voice-first mix, two-pass loudness normalization, post-encode loudness, loudness-range, and true-peak gate, and timed fade. |
这张表的重要性在于把保守主张具体化。例如，因为最强的主动对照结果是阴性，系统在提示、界面文案、验证规则和评估计划里都要设声明边界；因为语言模型会违反模式和数字长度约束，系统用可解析前置元数据、服务端计算的字数与渐弱预算、确定性校验器、1 次定向重试加隔离来应对；因为语音实现随声音语言供应商而变，系统把叙事意图与合成配置、波形质检分开，用供应商适配器、分段、本地化设置、发音元数据和合成后测量来兜底。
规划器先定什么，时长预算如何换算成字数
每次运行按日期和语言先解算一条槽位记录，包含目标时长、参与度分组、故事域、移动模式、视角、熟悉模式、场景、感官调色板、天气与时间 profile、重复策略和声音配置。同一日期加语言重复运行是幂等的，变化来自受控的内容池调度，而不是反复让模型更有创意。这样可避免局部主题坍缩，也使每个成品可追溯到解算后的输入。参与度分组同样由规划器固定分配，便于以后做比较实验。
提示由稳定系统规则、睡眠故事技能、已解算槽位、输出模式和可选重试诊断拼装而成，要求机器可解析的前置元数据、标题、一整段连续旁白正文和简短合成备注。正文不得暴露阶段标签、时长预算或验证状态。硬约束排除重大利害、未解悬念、直接睡眠指令、身体状态断言、感叹号和直接提问。移动模式用旅程、过程、循环、目录或照料等低后果弧线来提供多样性。
时长规划用音节率除以每词平均音节数换算成目标词数，再给生成器留正负 7% 的目标带，而阻塞校验用音节估计时长与目标偏离超 8% 就拒绝。两者都是实现容差，不是经验证的睡眠阈值。若有语言相关的直接词率估计，可替换该比值。日语按莫拉验证仍是已识别的未实现缺口，因为词作为时长单位在某些语言下并不可靠。
\[W_{\ell}^{\star}=T\frac{r_{s,\ell}}{\bar{s}_{\ell}},\qquad W_{\ell}\in[0.93W_{\ell}^{\star},1.07W_{\ell}^{\star}],\]这个公式要约束的是生成器应写多少词。公式中目标分钟数乘以配置音节速率再除以经验每词音节数，得到目标词数，实际词数应落在目标上下 7% 内。先形成的是语言相关的速率与词均音节估计，再合并成词数预算并交给提示与校验；校验用独立的 8% 音节估计时长检查做最终拦截。英语和德语试点里该估计尚可，但法语、日语、印地语明显高估了实际朗读时间，说明同一套系数不能跨语言照搬。
确定性规划 × 大语言模型生成： 确定性规划负责在调用模型之前把日期、语言、目标时长、故事域、移动模式、视角、熟悉模式、声音配置等全部解算成一条可追溯的槽位记录，大语言模型生成只在这条记录约束下填充标题、正文和合成备注；前者解决随意追问模型会导致主题坍缩和不可复现的问题，后者解决需要流畅多语言叙述的问题，两者搭配使创意被限制在已预算的输入内，失败时也能按原槽位重试或隔离。
四阶段故事形状如何先吸住注意力再慢慢放手
叙事合约按词序号切分脚本：到达占 10%，探索占 55%，安定占 20%，渐隐占 15%。例如目标词数为 W 时，边界在取整后的 0.10W、0.65W 和 0.85W 处。生成后服务端用实际词数重算安定与渐隐边界，渐隐时长按 15 分钟以上取 4 分钟、否则取最大值 2 与目标时长除以 4 下取整中的较大者，大约 25 分钟时渐隐占比回到名义 15%。单位是词序号，不是实测播放时间。
到达段立刻给出具体的安全地点、物体或活动；探索段沿一条简单线索加入温和的描述性发现；安定段降低新实体和场景切换速率；渐隐段不再引入重要人名、目标、地点或问题，结尾不留悬念。系统想要的是对接下来会描述什么的好奇，而不是对接下来会发生什么的担忧。对话被限制，新奇被限定，感官调色板保持连续低刺激移动。
词边界并不线性对应播放时间。同一故事内配置合成速率恒定，但渐隐边界之后句子和段落停顿拉长，英语从 800 毫秒到 1000 毫秒、段落从 1600 毫秒到 2200 毫秒，其他语言用稍长值，支持风格指令的供应商还会被要求尾段稍放慢。因此渐隐在播放时间里占比大于在词数里占比。论文配的概念图只是设计目标曲线，不是实测生理曲线；阶段边界尚未在渲染波形中定位，用强制对齐把文本对到音频是未来工作。
四阶段注意力渐弱 × 低唤醒约束： 四阶段注意力渐弱指按词序号把脚本切为到达 10%、探索 55%、安定 20%、渐隐 15%，并在后段拉长停顿、减少新实体和悬念，低唤醒约束指禁止重大利害、未解谜题、感叹问句、睡眠指令和身体状态断言；前者提供先轻度吸引再逐步收尾的时间形状，后者划定全程不得突破的唤醒上限，两者组合是要达到论文所说的中间状态：足以打断反刍，又不引发担忧和期待。
校验分几层，一次重试失败后去哪里
验证先解析前置元数据和旁白正文，再分阻塞错误和建议警告两层执行。阻塞检查包括音节估计时长偏离目标超 8%、出现问号或感叹号、命中各语言高唤醒与睡眠指令禁用词、出现预期措辞、对听者自称、元指涉故事本身，以及结尾做出叙事收束手势等。任何一项触发都拒绝发布。
建议检查包括词数偏离超 7%、中位句长超出 12 到 22 词、抽象率代理指标，以及渐隐边界后相对后半段的新词率和相对全文的平均句长。渐弱检查保持建议性质，因为基于规则的代理无法可靠推断叙事利害，这些警告交由人工复核，而不用于自动拒稿。
若校验失败，系统用原解算槽位加定向诊断只发 1 次重试，要求修正指名违规，而不是无约束重写。第二次失败就隔离送审，避免失败槽位进入无界生成循环，也限定了成本。每件成品为何被接受、标记或隔离都会被记录，使自动决策可被监督者检查，这被作者联系到以人为中心的可解释人工智能视角。
阻塞性校验 × 建议性警告： 阻塞性校验指时长偏差超 8%、出现问号感叹号、命中高唤醒或睡眠指令词表、出现预期措辞和元指涉等一旦触发就拒绝发布的问题，建议性警告指中位句长、新词率、渐隐段后新词与句长变化等只记录供人工复核的问题；前者解决必须拦截的硬违规，后者解决规则难以判断叙事利害因而不宜自动拒稿的软风险，两者分层使一次写得流畅但超时或夹带断言的脚本仍不能发布。
语音合成与母带如何保证拿到手的文件仍然合格
通过脚本按段落边界切块，经供应商适配器处理，适配器解算区域、声音、发音替换、语速和段间停顿，支持 SSML 或纯文本。分块可缓存并用生成的静音拼接，使瞬时失败不必重合成整个故事。拼接波形重采样到 44.1 千赫单声道，用 FFmpeg 响度滤波器按 EBU R 128 测量。
母带顺序是先对无损源测量，再用测得值做归一并接 150 秒淡出，然后以 96 千比特每秒编码为 AAC，最后对已保存编码文件做第二次测量。发布要求落盘文件的综合响度在负 26 到负 18 响度单位区间，真峰值不高于负 2.5 分贝全刻度，响度范围不大于 4.5 响度单位。若失败，从无损源重启母带，依次加 2 比 1 和 4 比 1 动态压缩，最多 3 次，门限永不放宽，仍失败则扣留不发布。
这些门限固定的是相对数字满刻度的电平，用户设备音量仍由用户控制，因此不能保证枕边声压级。应用层关闭自动续播，提供睡眠定时器并支持关屏播放。文本正确、停顿正确都不等于声学合格，只有落盘复测能回答最终交付是否合格，这也是语音实现多变条件下必须保留的测量环节。
两遍响度归一化 × 保存后文件门限： 两遍响度归一化指先对无损拼接波形做测量，再按测得值做归一并淡出和编码，保存后文件门限指对已编码落盘文件重新测量综合响度、响度范围和真峰值并卡死通过区间；前者解决不同声音、语言和供应商实现导致文本正确但声音不一致的问题，后者解决编码和处理可能改变电平的问题，两者串联才能保证用户实际拿到的文件仍在控制内。
这篇论文训练了什么，没有训练的部分靠什么计算
这篇论文没有训练任何神经网络，也没有报告梯度更新、参数冻结、优化器或训练数据划分。语言模型和语音合成都是作为外部已部署能力调用的：前者按槽位合约生成候选脚本，后者按适配器配置把段落合成为语音。论文的实际计算集中在确定性构造、规则校验和信号测量上。
具体而言，规划是查表与组合解算，时长是按音节率与词均音节的算术预算，重算是按实际词数重定位渐隐边界，校验是解析器加词表与标点、句长、新词率的确定性规则，重试是带诊断的 1 次修正调用，母带是响度测量、归一、淡出、编码与复测的信号处理链。所谓多语言运行也不是最后翻译一步，而是把每种语言的池、句复杂度上限、时长系数、禁用表达、发音规则、声音和标点约束都当作一等规划键分别校准。
无训练不等于输出确定。即使温度与槽位固定，模型措辞仍可能变化，语音时长、音高和节奏也有 1 对多变化，消费级播放设备还会引入额外差异。因此论文用外部验证和落盘测量代替对模型自觉遵守指令的信任，并明确把日语莫拉验证、渲染音频中的阶段定时和跨语言感知研究列为未实现或未来工作。
三层评估如何把工程合格与睡眠疗效分开
评估被刻意分成技术一致性、行为遥测和对照睡眠结局 3 层，混用它们会把工程指标误读成疗效。第一层无需用户即可运行，建议按语言、声音、生成模型和故事域报告首次模式有效率、首次接受率、重试挽回率、隔离率、词数绝对误差、阶段预算误差、禁用线索在标注集上的准确率与召回率、尾段实体引入率、合成失败率、时长误差、综合响度、响度范围、最大真峰值和边界不连续计数，并用固定回归语料检测提示或供应商变更。
第二层是产品遥测，用于内容适配诊断和为试验选材，不用于给个人贴入睡标签。系统记录归一化停止分数、到达结尾指示、120 秒前早退和同夜重播，并把重复夜间使用当作可能的依赖信号。遥测收集要求最小化、知情同意、访问控制和按需保留，夜间播放模式可揭示作息与健康相关行为，默认不做麦克风采集，运营日志与研究数据分离。
第 3 层是前瞻性对照研究，应预注册、在家比较带 4 阶段渐弱的生成故事、时长与旁白匹配但去掉渐弱约束的故事，以及同界面无旁白内容的数字对照，被试内随机可减少个体差异。主要终点应是可用家庭脑电测量的入睡潜伏期，因体动记录易把安静清醒误判为睡眠；次要终点包括入睡后清醒、总睡眠时间、睡眠效率、睡前认知唤醒、晨间恢复感、日间困倦、不良事件和感知依赖。成功标准不是更高完播，而是入睡更快且不增加夜醒、日间损害或依赖，并同时报告平均效应与应答者分布。
下表把声学门限整理成可核对的交付标准，比较问题是合成后文件是否达到可发布的电平与动态要求。它区分制作目标与发布门限：前者是母带瞄准的值，后者是落盘复测必须满足的区间，门限永不放宽。
| 指标 | 制作目标 | 发布门限 |
|---|---|---|
| 综合响度 | -22 LUFS | -26 LUFS 至 -18 LUFS |
| 真峰值 | -3 dBTP | 不高于 -2.5 dBTP |
| 响度范围 | 4 LU | 不大于 4.5 LU |
表中制作目标是归一瞄准的中心值，发布门限是对已保存编码文件的复测区间；若复测失败则从无损源重启母带并依次尝试压缩，最多 3 次，仍失败扣留。因为设备音量由用户控制，这些数字只固定相对数字满刻度的电平，不能换算成枕边声压级，也不是经验证的助眠剂量。
五故事试点显示响度达标而多语言时长明显偏短
作为初始检查，论文报告 2026 年 10 月 12 日 1 次夜间运行发布的 5 个故事：英语、德语、法语、印地语、日语各一个 20 分钟槽位，均用同一个 ElevenLabs 声音。5 个都通过阻塞脚本检查且无警告，也通过保存文件门限。这只是一个试点，不是固定语料评估，已发布记录也无法显示首次接受率、重试或隔离率。
声学侧全部接近目标：综合响度与负 22 响度单位目标差距在 0.3 响度单位内，真峰值和响度范围满足发布门限但略高于负 3 分贝全刻度和 4 响度单位的制作目标。真正暴露问题的是渲染时长，论文明确没有任何门限检查它：英语和德语与目标差距在 3% 内，法语、日语、印地语分别短约 13%、24%、38%。脚本可以通过 8% 检查，渲染出来却远离目标，说明公式中的每词音节估计对这些语言加该声音高估了朗读时间。
| 语言槽位，目标 20 分钟，同声音合成 | 渲染时长 | 与目标误差 | 响度范围 |
|---|---|---|---|
| 英语 | 20.4 分钟 | +2.0% | 4.4 LU |
| 德语 | 20.6 分钟 | +2.9% | 4.2 LU |
| 法语 | 17.4 分钟 | -13.0% | 4.4 LU |
| 印地语 | 12.4 分钟 | -38.2% | 3.0 LU |
| 日语 | 15.2 分钟 | -24.1% | 4.4 LU |
这个对照的公平条件是同一夜间运行、同一目标时长和同一供应商声音，指标方向是误差绝对值越小越好，响度三项落在发布区间即合格。结论在该条件下才成立：响度管线跨语言稳定，时长估计跨语言不稳定。印地语短近四成意味着用户实际听到的远少于计划，直接影响渐隐占比和定时器配合；法语和日语的缺口同样不可忽略。论文因此把多语言支持定性为架构已实现、逐语言校准仍在进行，不主张英语词预算可直接迁移。
行为分数能算出来，但为什么不能当作睡着了
系统用音频时长和夜间会话最终播放位置算出归一化停止分数，另记到达结尾、120 秒前早退和同夜重播。这些量可计算、可聚合，适合做内容适配诊断，例如哪类域或声音更常被早退，哪段渐隐后停止更集中。但它们与睡眠之间没有一一映射，低分可能是入睡、拒绝、中断或故障，高分可能是清醒、喜欢或定时器短。
\[f_{s}=\min\left(\frac{t_{s}}{T_{a}},1\right),\]该公式要计算的是行为位置而非生理状态。公式中最终播放位置除以音频时长再与 1 取最小，得到 0 到 1 之间的停止分数。先形成的是播放器上报的时长与位置，再合并成归一分数并与到达结尾等事件一起用于聚合选材；结果不进入发布门限，也不用于判定个人是否入睡。把高分当作成功会重蹈完成率误区，把低分当作入睡会把拒绝误读成疗效。
论文还把参与度、时长、是否加环境声、陌生与 recurring-world 内容留给析因扩展去检验，而不是用现有遥测下结论。当前实现边界也写得很清：已单元测试的只有时长与渐弱元数据、多语言校验器、模型截断处理、SSML 构造、段落修复和落盘母带门限；规划、提示合约、重试隔离、供应商适配和发布元数据是已实现；已部署的是英德法印地日五语目录；莫拉验证、渲染音频中的阶段定时、跨语言感知研究和对照试验是已设计未实现。
停止位置比例 × 睡眠结局： 停止位置比例指用最终播放位置除以音频时长得到的播放行为分数，睡眠结局指用家庭脑电等测量的入睡潜伏期、醒后时间、睡眠效率等生理睡眠结果；前者只能说明用户听到哪里就停下，可能对应入睡也可能对应退出或故障，后者才能回答是否更快入睡且无损害，论文坚持把前者只用于选材和提假设，不用它给个人贴入睡标签或替代对照试验。
哪些结论目前还只是假设，跨语言与跨设备差在哪里
第一，注意力渐弱是证据启发的设计假设，不是验证过的剂量。到达、探索、安定、渐隐的比例、停顿拉长量和尾段放慢都只是实现选择，没有对照数据证明该形状比无渐弱版本更快诱导入睡。尾段新词与句长检查仍是建议警告，正是因为规则代理无法判断情感唤醒，尤其跨文化和跨语言时更不可靠。
第二，文献迁移链条较长。从意象、音乐、噪声和临床场景借来的发现被转用于生成旁白，例如用舒缓人声在压力后皮质醇下降更快来论证测试平稳韵律的合理性，但那是压力恢复发现，不是睡眠结局；用关屏播放减少光照延迟来支持定时器与无自动续播，但这不确立通用旁白音高或语速。词表与结构规则也不能保证低情绪唤醒，语音声音与消费播放设备还会引入不受控的韵律与声学变异。
第三，多语言与评估范围有限。日语莫拉时长验证缺失，阶段定时未在波形中定位，跨语言感知研究未完成。除五故事试点外，论文不报告固定语料一致性、生产级可靠性统计或临床结局数据，其他评估指标是计划而非结果。这些缺失界定了当前评估边界，不应被读成正面结果。
要复现这条管线第一步做什么，需要哪些固定参数
复现第一步不是调大模型，而是先冻结槽位与预算：为每个日期加语言解算目标时长、参与度分组、故事域、移动模式、视角、熟悉模式、场景、感官调色板、天气时间、重复策略和声音配置，并保存规划器版本、提示版本与模型供应商标识，使同输入可重复运行。然后实现公式的语言相关音节率与词均音节估计，给生成器正负 7% 目标带，校验用偏离目标超 8% 拦截，同时记录词数偏离超 7%、中位句长 12 到 22 词等建议指标。
文本侧需实现可解析前置元数据解析、禁用词表与标点检查、渐隐边界重算与 1 次定向重试加隔离；语音侧需实现段落切块、供应商适配、静音拼接、44.1 千赫单声道重采样、响度测量归一淡出编码复测链，并卡死落盘文件的综合响度、响度范围与真峰值区间。遥测至少记录归一化停止分数、到达结尾、120 秒前早退和同夜重播，且不设自动续播与连击目标。
关于可用性，论文只给出项目网站与移动应用分发信息，本次证据未发现可验证的代码、模型或数据公开记录，因此无法确认代码、模型或数据已公开，不作已公开或可下载的表述。复现应按论文阈值重建检查，并准备固定回归语料以检测提示或供应商变更；跨语言时必须重估时长系数与禁用表达，不能直接复用英语参数。仍需补的验证是语言分层的技术一致性报告和预注册的对照试验，用家庭脑电等客观指标回答是否缩短入睡潜伏期且无夜醒、日间损害或依赖增加。
什么时候值得尝试这套方法，还缺哪项关键验证
当目标是睡前放松与注意力支撑、且团队愿意接受保守声明时，这套方法值得尝试：它把不确定的证据翻译成可执行的低刺激形状与可测量的文本声学门限，使每个发布文件可追溯到输入与检查，也为后续对照试验准备了可比的分组与选材遥测。它不适合想要用完播率证明助眠、或希望一个固定频率与音色包治失眠的场景。
已得到证据支持的判断是工程侧的：落盘响度门限可在多语言试点中稳定满足，阻塞校验与隔离机制能防止违规脚本静默发布。但时长估计跨语言明显偏差，法语、日语、印地语的渲染缺口说明公式系数必须逐语言重校，日语莫拉验证与波形内阶段定位仍缺失。行为遥测只能提假设，不能替代睡眠测量。
最缺的一项验证是论文自己提出的前瞻性对照：带渐弱生成故事、时长旁白匹配但去渐弱故事、同界面无旁白数字对照的三臂比较，主要终点为客观入睡潜伏期，次要终点覆盖夜醒、总睡眠时间、睡眠效率、睡前认知唤醒与依赖感知，并报告平均效应与应答者分布。在该试验完成前，任何更快入睡的主张都不成立，系统应作为可测试的放松工具使用，并对报告慢性失眠、日间损害、大声打鼾、目击呼吸暂停或喘醒的用户指引至专业照护。
📎 论文与评分元数据
排名：后50% | 文档类型：系统技术报告 | 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