开源项目 Cardiag：利用 CLAP 模型实现汽车故障声学诊断

一款名为 Cardiag 的开源项目在 GitHub 上发布，旨在通过声音识别技术实现汽车故障的自动化诊断。该项目提供了一个端到端的音频机器学习（Audio-ML）处理流程，能够从 YouTube 或 TikTok 等平台抓取故障音频片段，经过清洗去除人声、音乐及环境噪音后，利用预训练的 CLAP（对比语言-音频预训练）模型生成嵌入向量，并训练小型线性分类器对故障进行分类。

Cardiag 将其定位为“校准分诊助手”而非全能诊断工具。鉴于手机录制的环境音频通常充满噪音，该项目采用了“诚实训练”策略：当音频质量不足以支持判断时，系统会明确输出“不确定”结果，而不是强行给出可能错误的结论。其输出结果包括是否存在故障、故障大致位于车辆的哪个区域，以及最可能的故障部件排名。

技术实现上，该项目展示了从数据抓取、音频清洗、特征嵌入到模型训练的全过程。测试数据显示，在处理清晰的引擎音频时，该方法能达到 0.93 的 AUROC；而在处理包含路噪、人声的原始手机录音时，其故障/正常判断的 AUROC 为 0.79，达到了目前文献中针对此类低质量数据的性能上限。Cardiag 目前以 CLI 命令行工具和 Web 应用的形式提供，并内置了预训练模型，无需下载额外数据即可快速体验。

事件分析

💡 核心观点：Cardiag 证明了多模态大模型在物理感知领域的泛化能力，其“诚实输出不确定性”的策略为解决工业场景下的 AI 幻觉问题提供了新范式。