技术栈：Python、PyTorch、潜扩散 LDM、VAE、SVC 歌声转换、Audio 信号处理、Web 前端
项目背景：针对 AI 音色非法克隆问题，实现发布前主动音频防护，在几乎不损伤人耳听感前提下，降低 AI 模型克隆歌手音色的能力。
复现基于 So‑VITS 条件 VAE 的潜扩散防护框架，实现交叉注意力条件注入、异性音色引导、显式身份偏移损失，在潜空间生成不可感知的保护扰动，规避直接波形添加噪声带来的音质损伤。
实现动态预处理鲁棒训练，训练阶段随机模拟压缩、混响、均衡等真实音乐后处理，提升防护在平台转码链路下的鲁棒性。
搭建歌唱多维评价体系：ATD 音色偏离、TSRR 相似度降低率，同时评估音准、节奏、颤音、纯净度，区别传统语音评价指标；在 5 类主流 SVC 模型上完成防御效果验证。
- 开发 Web 交互工作台，完成音频导入、波形预览、保护强度调节、试听下载完整流程；编写完整工程报告，梳理威胁模型、消融实验、伦理边界与部署约束。

项目背景：针对扩散类大模型显存占用高、推理速度慢，设计分层优化方案，兼顾模型体积、推理时延与任务精度。
模型压缩（训练侧 train.py）：实现知识蒸馏、FP16 量化、网络结构化剪枝；采用加权蒸馏、集成蒸馏策略，优先保障模型输出效果，平衡参数量与性能损失。
推理性能优化（inference.py）：混合精度 FP16 加速，接入 CUDA TensorCore；使用torch.compile、CUDA Graph 做图编译优化，降低推理计算开销。
评测流水线封装（result.py）：可调蒸馏温度参数，搭建自动化对比评测脚本，完成原始模型与优化后模型的精度、显存、时延对比；优化路线：无损等价提速 → 结构压缩微调 → 架构迭代升级。