导航菜单切换导航[ ](/)[ 登录 ](/login?return_tohttps%3A%2F%2Fgithub.com%2Fadam-s%2Fcar-diagnosis)外观设置平台-AI 代码创作- GitHub Copilot借助 AI 编写更优质代码- GitHub Copilot 应用从问题到合并的直接代理- MCP Registry 新功能集成外部工具-开发者工作流- Actions自动化任何工作流- Codespaces即时开发环境- Issues规划和跟踪工作- Code Review管理代码变更-应用程序安全- GitHub Advanced Security查找并修复漏洞- 代码安全在构建过程中保障代码安全- 密钥保护防患于未然-探索- 为何选择 GitHub- 文档- 博客- 更新日志- 市场查看所有功能解决方案-按公司规模划分- 企业版- 中小团队版- 初创企业版- 非营利组织版-按用例划分- 应用现代化- DevSecOps- DevOps- CI/CD- 查看所有用例-按行业划分- 医疗保健- 金融服务- 制造业- 政府部门- 查看所有行业查看所有解决方案资源-按主题探索- AI- 软件开发- DevOps- 安全- 查看所有主题-按类型探索- 客户案例- 活动与网络研讨会- 电子书与报告- 商业洞察- GitHub 技能-支持与服务- 文档- 客户支持- 社区论坛- 信任中心- 合作伙伴查看所有资源开源-社区- GitHub Sponsors资助开源开发者-项目- 安全实验室- 维护者社区- 加速器- GitHub Stars- 存档计划-仓库- 主题- 热门项目- 集合企业版-企业解决方案- 企业平台由 AI 驱动的开发者平台-可用附加组件- GitHub Advanced Security企业级安全功能- Copilot for Business企业级 AI 功能- 高级支持企业级 24/7 支持[定价]搜索或跳转到...搜索代码、仓库、用户、问题、拉取请求...搜索清除搜索语法提示提供反馈我们会阅读每一条反馈并认真对待您的意见。包含我的电子邮件地址以便能与我联系取消 提交反馈保存的搜索使用保存的搜索可以更快地筛选结果名称查询要查看所有可用的限定符请参阅我们的文档。取消 创建保存的搜索[ 登录 ](/login?return_tohttps%3A%2F%2Fgithub.com%2Fadam-s%2Fcar-diagnosis)[ 注册 ](/signup?ref_ctaSignupref_locheaderloggedoutref_page%2F%3Cuser-name%3E%2F%3Crepo-name%3Esourceheader-reposource_repoadam-s%2Fcar-diagnosis)外观设置重置焦点您在另一个标签页或窗口中登录了。[重新加载]()以刷新您的会话。您在另一个标签页或窗口中注销了。[重新加载]()以刷新您的会话。您在另一个标签页或窗口中切换了账户。[重新加载]()以刷新您的会话。 关闭提醒{{ message }}[ adam-s ](/adam-s) /[car-diagnosis](/adam-s/car-diagnosis)公开- 通知 您必须登录才能更改通知设置- 分叉 0- 加星 6- 代码- 问题 0- 拉取请求 0- 操作- 项目- 安全与质量 0- 洞察其他导航选项- 代码- 问题- 拉取请求- 操作- 项目- 安全与质量- 洞察adam-s/car-diagnosis主分支[分支][标签]转到文件代码打开更多操作菜单文件夹和文件| 名称 | 名称 | 最后提交消息 | 最后提交日期 || --- | --- | --- | --- |最新提交历史记录[71 次提交]71 次提交[.agent]|[.agent]||[.github/workflows]|[.github/workflows]||[docs]|[docs]||[models]|[models]||[scripts]|[scripts]||[src/cardiag]|[src/cardiag]||[tests]|[tests]||[.gitignore]|[.gitignore]||[.pre-commit-config.yaml]|[.pre-commit-config.yaml]||[AGENTS.md]|[AGENTS.md]||[CLAUDE.md]|[CLAUDE.md]||[LICENSE]|[LICENSE]||[README.md]|[README.md]||[pyproject.toml]|[pyproject.toml]||[uv.lock]|[uv.lock]||查看所有文件仓库文件导航- README- MIT 许可证更多项目cardiag — 通过声音诊断汽车故障cardiag 是一个端到端的音频机器学习audio-ML管道。它从 YouTube/TikTok 上抓取故障声音片段对音频进行清理将机械声音从语音、音乐和噪音中分离出来使用预训练的 CLAP 模型进行嵌入然后训练小型线性头部来对故障进行分类。它提供了命令行界面CLI和实时 Web 应用。[cardiag-demo.mp4]这是一个概念验证项目并且明确说明了其局限性。通过手机录音诊断汽车故障确实很困难因此 cardiag 被设计为一个经过校准的分类辅助工具而非诊断工具它能告诉你声音是否异常、大致在汽车的哪个部位出现问题以及可能出现问题的部件的排名列表。当音频无法支持判断时它会给出“不确定”的结果而不是盲目猜测。该项目真正的贡献在于音频清理和诚实训练的方法这种方法可应用于其他音频数据集。这里的准确率不高反映了从粗糙的手机音频中解决问题的难度我们达到了现有文献的上限同样的方法在干净的发动机音频上可达到 0.93 的 AUROC。详情见 [docs/DEFENSE.md]。交互式演示有两个页面展示了管道的前两个阶段- [分离发动机音频] — 交互式展示 clean() 级联如何从嘈杂的 YouTube 音频语音、音乐、道路噪音中提取短机械片段。- [可视化 CLAP] — 展示预训练的 CLAP 模型如何将这些片段转换为线性头部用于分类的 512 维嵌入。实际效果通过样本外测量保证数据无泄漏对 1031 个视频组进行按视频分组的交叉验证排列检验p 0.0005。这些数据是真实可靠的并非排行榜上的虚假数据。| 能力 | 结果 | 与随机猜测对比 || --- | --- | --- || 是否有问题故障/正常 |AUROC 0.79[0.76, 0.83] | 0.50 || 问题出在汽车的哪个部位6 个区域 |前 3 名中包含正确区域的概率约为 75%| 2 倍 || 是哪个部件出了问题12 个以上类别 |前 3 名中包含正确部件的概率约为 45 - 65%| 3 - 4 倍 || 知道何时无法做出判断 | 校准良好ECE ≈ 0.04返回 UNCERTAIN | — |完整细节以及我们因样本外表现不佳而降级的一个头部敲击声请见 [docs/MODEL_CARD.md]。快速开始克隆仓库并进行推理新克隆的仓库可立即使用。models/ 目录中包含一个小型预训练模型并且捆绑了一个合成演示片段因此无需下载或抓取任何数据。git clone 此仓库 cd car-diagnosisuv venv source .venv/bin/activateuv pip install -e .[scrape,web,dev,viz] # Python 3.11cardiag doctor # 预检查看已安装的内容cardiag train --fixtures # 在约 2 秒内离线训练一个可用的模型无需抓取数据无需下载 2GB 文件cardiag diagnose # 给出诊断结果、问题所在位置和部件排名cardiag serve --model models # 启动实时 Web 应用上传音频片段或粘贴链接查看“解释原因”在隔离的工作树中验证整个流程bash scripts/clone_verify.sh。工作原理音频 ──► clean() 级联 ──► CLAP 嵌入 ──► 线性头部 ──► 诊断(分离片段) (预训练512 维) (故障/区域/ (经过校准部件/敲击声) 能识别“不确定”情况)只有一条分割路径。抓取的片段、您自己的录音cardiag ingest任意长度以及推理时上传的音频都要经过相同的 clean() 级联以分离出短机械片段。超过 10 秒的片段会被分割成窗口确保 CLAP 不会静默截断数据。训练和推理使用相同的嵌入协议因此不会出现训练和推理结果不一致的情况。使用方法cardiag diagnose clip.wav # 完整模型给出诊断结果、区域和部件排名cardiag triage clip.wav # 校准后的发动机与传动装置分类cardiag clean clip.wav # 分离机械声音无需模型cardiag inspect clip.wav -o r.html # 查看/聆听管道处理过程片段、频谱图、分数cardiag ingest ./my_audio --kind fault --cause wheel_bearing # 导入您自己的音频cardiag scrape youtube|tiktok # 构建数据集Reddit 已弃用 — 噪音太大cardiag train # 在您的数据集上进行训练在任何推理命令后添加 --json可获得机器可读的输出。文档- [docs/DEFENSE.md] — 阐述了一种故意采用的粗糙方法如何获得真实的分类结果。- [docs/MODEL_CARD.md] — 每个头部的指标、预期用途和局限性。- [docs/architecture.md] — 管道流程图。- [docs/scraping-guide.md] — 完整的数据集构建指南。适用范围与诚实性该项目适用于社交风格或有针对性上传的音频YouTube、TikTok 或用户故意录制的手机音频。它不是一个安全关键或独立的诊断工具而是一个分类辅助工具能缩小问题排查范围并诚实地表明其不确定性。模型文件是 joblib 工件仅加载您信任的文件。许可证请参阅 [LICENSE]。关于通过声音诊断汽车故障 — 一个诚实的、端到端的音频机器学习管道抓取 → 清理 → CLAP → 校准分类。概念验证项目。资源Readme许可证MIT 许可证哎呀加载时出现错误。[请重新加载此页面][ 活动]加星数[6颗星]关注者[0人关注]分叉数[0次分叉][ 举报仓库 ][发布版本]未发布任何版本[包 0][包 0]哎呀加载时出现错误。[请重新加载此页面][贡献者]- - -哎呀加载时出现错误。[请重新加载此页面]语言- [ Python 90.8% ]- [ HTML 8.3% ]- [ Shell 0.9% ]页脚(C) 2026 GitHub, Inc.页脚导航- [条款]- [隐私]- [安全]- [状态]- [社区]- [文档]- [联系我们]- 管理 Cookie- 不分享我的个人信息此时您无法执行该操作。