更新时间：2026-04-10
当前处于「后端内核已成形，可开始 Standalone UI 接线；暂不宜宣称 VST3/插件态 ready」阶段。
- 底层链路已打通：
导入标准化 -> F0 提取 -> NoteBlob 分割 -> Blob 资产化 -> 连接组重合成 -> 多轨混音输出。 - 会话与渲染语义已统一：多轨编辑状态、派生脏区、懒渲染、轨道混音一致。
- 当前“可开工”的重点是图形 Standalone 编辑器，而不是直接并行推进 JUCE/VST3 插件态。
- 仍待攻坚项：高质量音符粒度分割算法、完整编辑器交互命令层、实时播放/后台渲染调度、插件态时钟同步。
CapabilityChain统一承接三项核心能力：- F0 提取
- NoteBlob 分割
- NoteBlob 重合成
Session通过CapabilityChain走统一入口。- 模块分层为能力导向：
melodick_capabilities。
- 脏区为派生语义：通过
NoteBlob.edit_revision与渲染缓存 revision 对比得到。 - 未编辑直通：
is_unedited()为真时，直接复用原始音频片段，不走 vocoder。 - 时值拉伸走重合成：拉伸后的 NoteBlob 必经重渲染，不做低质量机械拉伸替代。
- HiFiGAN 输入
uv为利用 RMVPE 的发声置信度链路。 NoteBlob已显式持有source_f0_hz + source_voiced_probability，工程恢复后可直接重建源条件。- 单 Blob 且未改时值的重合成路径可复用运行期 mel 缓存，避免无意义重算。
- 新增项目态模型：
project::ProjectState。 - 已支持序列化与反序列化：
save_project_state(path, state)load_project_state(path)
- 落盘格式为 SQLite（schema v6，二进制 BLOB 存储）。
Session已支持：capture_project_state(...)restore_project_state(...)
source_mel为运行期可丢弃缓存，不落盘（因已有原始音频，随时可计算mel，落盘徒增工程大小）。
Session为原生多轨：create_track / import_audio_as_new_track / import_audio_to_track- 轨级控制：
mute / solo / gain_db - 轨级查询：
track_blobs / track_dirty_timeline
- 导入标准化已落地：
- 输入支持任意采样率、任意声道（内部先 downmix 为 mono）
- 会话内部统一到
44.1kHz / mono / float32：因之为重合成器的舒适工作环境
- 轨内真相：
- 导入后直接肢解为 NoteBlob 资产（每 Blob 持有源波形片段 + 原始 F0 + patch 模型 + 编辑元数据 + 可选中间特征）
- 工程恢复不依赖外部音频文件回读
- 多轨混音规则已落地：
- 有任一
solo时只混solo轨 - 无
solo时混所有!mute轨 - 轨级
gain_db作用于该轨混音前结果
- 有任一
standalone增加catch (...)兜底，避免未知异常导致不透明退出码。- 清理后全量重编译验证通过，CLI 链路可稳定完成渲染并输出文件。
- 当前仓库自动化测试
21/21通过。 - 本地真实 ONNX 冒烟已通过：
sample1.wav -> 37 blobs -> 渲染输出 wav + 写出 mldk 工程文件。
- 连接组一次渲染已落地：RenderUnit 使用
note_ids，组内编辑音符合并调用后端，再按时间窗拆回 Blob 缓存。 - 导出后端能力已落地（与 UI 解耦）：
- Mixdown 导出
- Stems 导出（按轨）
- 参数化输出：采样率、声道、位深、PCM/Float
- 会话层已固定
44.1kHz，导入阶段统一标准化。 - 模型层既有实现：
- RMVPE：输入重采样到
16kHz，并做一些可选预处理：做 F0 提取。 - HiFiGAN：按
44.1kHz工作。
- RMVPE：输入重采样到
- 导入多轨音频（任意采样率/声道，导入后统一 44.1k mono float32）
- RMVPE 提取全局 F0
- 启发式分割为 NoteBlob
- NoteBlob 级移调、时值拉伸
- 派生脏区 + 懒渲染
- 多轨重合成与混音输出（支持 solo/mute/track gain）
- 工程态保存/恢复（SQLite，多轨 Blob 资产，无外部源依赖）
- 参数化导出（mixdown/stems + 采样率/声道/位深）
- 还没有任何真正的 GUI：当前
standalone仍是命令行 bootstrap，而非图形编辑器。 - 还没有 JUCE 工程壳，也没有 VST3 /
AudioProcessor/processBlock/getStateInformation/setStateInformation这类插件态实现。 Session目前已暴露的编辑接口仍偏少，主要是导入、移调、拉伸、渲染、导出、工程保存恢复；离完整编辑器所需的move / split / merge / link-detach / handdraw / line control / undo-redo transaction还有明显距离。- 当前渲染语义更接近离线/批量
render_all_dirty；距离设计稿里的后台异步渲染队列、播放缓存、插件环形缓冲还有工程差距。
你提出的“会话 44.1k/mono、多轨、音符块内真相、按块渲染拼装、导出可选重采样与分轨”已纳入设计稿，当前实现对齐度如下。
已对齐：
NoteBlob作为主编辑对象，块内持有original_pitch_curve + handdraw_patch + line_patches + transpose + time_ratio顺序管线模型。- 脏区由 revision 派生，不靠手工 set/unset。
- 未编辑直通、编辑后重合成、按块缓存并最终拼接混音。
- 工程状态可保存/恢复（SQLite，包含 NoteBlob 资产与模型字段）。
部分对齐：
- 分割算法仍是 v1，尚未达到 Melodyne 的高质量音符粒度：未来要结合原始采样信息（能量跳变）和音高线数据（音高跳变与U/V信息）来进行高质量自动化切分
未对齐：
- 尚未接入真正的多指标“只能”切分算法 v2（当前为启发式 v1）。
- 未落地任何 UI。
- 未落地 JUCE Standalone/VST3 工程壳与宿主集成。
- 未建立完整编辑命令系统与 Undo/Redo 事务层。
- 先落地图形 Standalone UI：完成轨道区、Blob 视图、基础选中/移调/拉伸、dirty 状态反馈、工程保存恢复、导出闭环。
- 补齐编辑命令层：统一封装
move / split / merge / link-detach / handdraw / line patch / undo-redo transaction，避免 UI 直接操作底层结构。 - 落地 JUCE Standalone 工程壳与基础播放控制。
- 再推进 VST3：补齐宿主 transport、inner-record、实时缓存、state chunk 生命周期。
- 音符块分割算法 v2。