jxzhen/aec-2027-editx-lora

Model Card — ICASSP 2027 Audio Editing Challenge (GC-4) weights

状态（2026-09-28 22:5x）：许可（Apache-2.0 + NOTICE 归属声明）、仓库标识 （owner/repo = jxzhen/aec-2027-editx-lora，tag v1.0）、校验值、第 1 节权重来源 （产出方式／训练数据／训练代码／教师模型与其许可）、第 5 节使用示例、第 6 节限制声明 均已填真。 仍带 <> 的字段只剩"发布那一刻才产生"的事实：首次公开时间（UTC）+ 40 位 commit ID （第 3 节表内、第 4 节末行）—— 这是唯一必须由人工在发布时回填的部分。 tools/stage_weights.py 不会改写本文件，tools/preflight_release.py 也只检查必备段是否齐全、 查不出残留的尖括号占位符 —— 发布前务必人工逐项核对。

1. 权重来源（Source of weights）

• 产出方式：蒸馏（自蒸馏）。本产物是在上游基座 stepfun-ai/Step-Audio-EditX 之上训练的 LoRA adapter（不是全量权重）。训练目标（"编辑后"音频的离散声学编码） 由基座自身在给定的（源音频, 编辑指令）对上在线合成得到（self-distillation）， 再以这些自蒸馏样本微调 LoRA。
• 训练数据：源音频池共 68 条，其中 60 条取自公开语料 LibriSpeech （OpenSLR SLR12；许可证 CC BY 4.0；https://www.openslr.org/12 ）的 clean 配置 dev-clean 子集（16 kHz、时长 1.5–15 s，落盘目录 data/libri60/），其余为上游仓库自带示例音频； 编辑对（源音频 → 编辑后音频）全部由教师模型在线合成，未使用任何私有数据。 本次 LoRA 训练实际使用其中 12 条编辑对（编辑类型为情感类：fear / happy / sad / angry）， 训练 24 步（配置：LoRA r=16 ｜ α=32 ｜ dropout=0.05 ｜ lr=1e-4 ｜ 8 epoch × 3 step ｜ max_seq=1280）。
• 训练代码：未随本仓库单独公开发布。可运行的复现包（**Docker 镜像 + 运行脚本（sh）
  • 固定随机种子 20260928**）将于 2026-12-07 复现检查时提交组委会 （官方答复第 13 条：届时另行收集）；如需提前获取，请联系作者。
• 若为蒸馏：教师模型 = stepfun-ai/Step-Audio-EditX（公开标识即上游基座本身， 对应官方答复第 5 条"蒸馏教师只需公开标识"） ｜ 该教师模型的许可类型：上游仓库的代码以 Apache-2.0 发布 （已实测：其模型卡 license 字段为空、仓库内无独立 LICENSE 文件 —— 许可口径见第 2 节） ｜ 兼容性判断：同基座自蒸馏（教师与学生同源），不引入任何新的上游依赖， 与本产物的 Apache-2.0 声明一致，无许可相容性冲突。
• 作者：Jianxi Zheng

2. 许可（License）

• 本权重采用：Apache License 2.0（全文见 LICENSE；归属声明见 NOTICE）。
• 选择依据：本产物是在 stepfun-ai/Step-Audio-EditX 之上训练的 LoRA adapter， 属派生作品。已实测确认的事实是：该上游仓库的代码以 Apache-2.0 发布 （API cardData.license 字段为空；仓库内 raw LICENSE 请求返回 404）。 因此我们采取的做法是：沿用 Apache-2.0 作为本产物的许可，并在 NOTICE 中 明确写出上游出处、上游代码的 Apache-2.0 许可，以及上游 model card 的 Usage Disclaimer（禁止未授权声音克隆等）同样适用于本派生产物。 本仓库不重新分发任何上游基座权重或第三方权重，只分发我们自己训练的 adapter。

注意：蒸馏或微调产物是派生作品，其分发许可能受上游模型许可约束。

3. 公开时间声明（Critical for 2026-10-01）

本权重首次公开发布于 2026-09-28T16:30:20+00:00（UTC）。

依据 ICASSP 2027 Audio Editing Challenge 组委会 2026-09-17 回信第 3 条与第 5 条：

• Agent Track 所用全部模型组件（含 LLM、分离模型、声码器及任何 LoRA / adapter， 包括自训 / 微调 / 蒸馏组件）的实际权重，必须在 2026-10-01 之前已公开发布。
• 2026-10-01 当日或之后才发布的，不得引入 Agent Track 提交。
• 该版本在截止日前已公开可得的证据形式（详见第 4 节）。
• 禁止在提交截止（2026-11-25）或复现检查（2026-12-07）前才发布权重。

本仓库的公开时间证据：

载体	URL	时间（UTC）
huggingface.co commit（主载体）	https://huggingface.co/jxzhen/aec-2027-editx-lora/commit/b6d1621d583e6109ccc09f3e2dbe67b8d1820494	2026-09-28T16:30:20+00:00
GitHub Release（第二载体）	https://github.com/jxzhen/aec-2027-editx-lora/releases/tag/v1.0	2026-09-28T17:11:35Z

4. 完整性校验（SHA-256）

组委会将自行抓取本仓库权重并重算 SHA-256，与本仓库声明的值比对。因此：

• 完整文件清单（含全部 shard 与任何额外 LoRA / adapter）：weights/MANIFEST.json
• 逐文件校验和（sha256sum 格式）：weights/SHA256SUMS.txt
• SHA256SUMS.txt 自身的 sha256：5ccf47797f9a5b8abe3ff5524ae8f7f24c1a1631027c8186cfdd94c33be76c7f

校验方式（任何第三方可独立复现）：

# 拉取本仓库后，在 weights/ 目录内执行：
sha256sum -c SHA256SUMS.txt

重要约束：

• 必须保存原始权重文件。 重新保存或转换会改变 checksum，即使张量数值未变。
• 任何格式转换须事先向组委会说明。 未经报备的转换会使提交证据链断裂。

本仓库的确切版本标识（commit ID）：b6d1621d583e6109ccc09f3e2dbe67b8d1820494

5. 使用方式

# 最小加载示例（需要 transformers + peft）
# 本仓库的 adapter 文件位于 weights/files/（adapter_model.safetensors + adapter_config.json）
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

BASE  = "stepfun-ai/Step-Audio-EditX"          # 上游基座（本仓库不重分发其权重）
tok   = AutoTokenizer.from_pretrained(BASE, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(BASE, trust_remote_code=True, torch_dtype="bfloat16")
model = PeftModel.from_pretrained(model, "jxzhen/aec-2027-editx-lora", subfolder="weights/files")
model.eval()

说明：以上只演示如何把本 adapter 挂到基座上；音频编辑的端到端推理还需要上游 Step-Audio-EditX 的音频 tokenizer 与声码器（CosyVoice-300M-25Hz），请按其仓库 README 执行。

6. 已知限制与伦理声明

• 适用范围：ICASSP 2027 Audio Editing Challenge（Agent Track）参赛与学术研究； 面向英语朗读语音上的情感类编辑指令（fear / happy / sad / angry）。
• 不适用场景：禁止用于未经授权的语音克隆、身份仿冒、欺诈或任何误导性用途； 不得用于生成对真实人物的未授权模仿音频。
• 潜在偏见与局限：训练样本极少（12 条自蒸馏编辑对），源语音为英语朗读语料， 覆盖面窄，不保证跨语言、含噪、多说话人场景下的效果；本阶段未做人工听测， 不声明任何评测分数，也不声称与任何"官方基线"可比。
• 音频内容来源合规性：训练源音频为公开语料 LibriSpeech（CC BY 4.0）； 编辑目标由教师模型合成；本仓库不重新分发任何上游基座权重或第三方权重。
• 本权重仅用于 ICASSP 2027 Audio Editing Challenge 参赛与学术研究。

7. 联系方式

• Jianxi Zheng ｜ hunan08182026@126.com