Pakua USKMaker 2.2.0

[2.2.0] - 2026-11-08
Adicionado
- Arbitragem Guardada entre Alinhador CTC e Whisper: seleção inteligente entre alinhamento acústico CTC (MMS_FA) e Whisper (large-v3) com base na taxa de interpolação e pontuação de confiança em palavras discordantes (dis_sc_gap > 0.25), evitando substituições quando o Whisper colapsa e elevando a precisão sem intervenção manual.
- Dicas para Idiomas sem Espaços (Japonês/Chinês): orientações e documentação detalhada para processamento de escritas contínuas (wakachigaki / Romaji) e aviso sobre o download inicial do modelo acústico do Hugging Face.
Corrigido
- Compatibilidade CUDA 12 no ONNX Runtime (GPU): trava de versão onnxruntime-gpu<1.21.0 no instalador do ambiente de IA (setup-sidecar.ps1), prevenindo que o pacote baixe versões compiladas para CUDA 13 que caíam silenciosamente para a CPU durante o resgate de lead vocal via RoFormer (acelerando o processo de 1h30m para ~15s em GPUs NVIDIA).
- Preservação de Início de Notas em Melismas Longos: adicionada guarda MIN_TRIMMED_SUFFIX_S = 0.10 em ctc_align.py para não descartar a consoante/sílaba inicial antes de vogais prolongadas pós-gap, corrigindo atrasos de alinhamento em músicas com notas sustentadas.
- Deduplicação de Escala de Pitch na Revisão: refatoração de cálculo de limites e escala de pitch centralizada em computePitchScale no editor de revisão.
[2.2.0] — 2026-11-08
Added
- Guarded CTC vs Whisper Arbitration: intelligent selection between CTC (MMS_FA) and Whisper (large-v3) alignment based on interpolation fractions and score confidence gap on disagreeing words (dis_sc_gap > 0.25), preventing regressions when Whisper collapses and maximizing alignment quality.
- Language Guidance for Non-Spaced Scripts (Japanese/Chinese): comprehensive documentation for continuous script lyrics (wakachigaki / Romaji) and initial Hugging Face acoustic model download transparency.
Fixed
- CUDA 12 Compatibility in ONNX Runtime (GPU): pinned onnxruntime-gpu<1.21.0 in setup-sidecar.ps1, preventing installations from pulling CUDA 13 builds that silently degraded to CPU during RoFormer lead vocal separation (cutting runtime from 90+ minutes to ~15 seconds on NVIDIA GPUs).
- Melisma Note Prefix Trimming Guard: added MIN_TRIMMED_SUFFIX_S = 0.10 guard in ctc_align.py to preserve initial syllable onsets preceding extended vowel gaps, eliminating false note shifts on sustained vocals.
- Pitch Scale Deduplication in Review Screen: unified and deduplicated pitch scale bounds calculation into computePitchScale.