# 未開始だった全長原音ASRの実行計画

これは実行前に固定した別版の計画です。凍結時点では実行していません。元のv1計画、5原ZIP、全120件の初期化失敗と成功済みUTMOSは変更しません。

## 修正の理由と境界

v1では全5担当がASRモデル初期化時に停止しました。欠けていたのは wav2vec2.masked_spec_embed だけで、発話のforwardは0件でした。公式transformers 4.51.3では、このパラメータを読むのは明示的な時間maskまたは学習中の自動時間maskだけです。通常のCTCの入力のみの呼出しはmaskを渡さず、evalではこれらの分岐を通りません。

欠落値を埋めたりconfigを変更したりせず、missing_keysがこの1項目、他の3診断が空という辞書との厳密一致だけを許します。診断を正常な全重み読込みへ書き換えません。全moduleがtraining=Falseであることを初期化後と各forward前に確認します。パラメータの初期値や乱数状態の同一性は主張しません。

公式ソース: https://raw.githubusercontent.com/huggingface/transformers/v4.51.3/src/transformers/models/wav2vec2/modeling_wav2vec2.py

## 変えない条件

同じ120発話・40話者と全長入力ZIP、話者ごとの5分割、認識器revision、6資産のhash、CPU float32 eager、環境lock、正規化、CTC復号、語編集距離と集計条件を維持します。モデルやdecoderを結果に合わせて選び直しません。

各担当24発話についてASRのみ各1回、全120回を予定します。UTMOSは呼びません。元の失敗は新しい計画で上書きせず、後継版の個票を別の成果物として残します。入口に入った枠の再試行や、失敗を0として補う処理はありません。

## 5役の第1巡

1. 内容評価担当: 認識結果が一つも出る前の初期化検査の修正であり、誤認識に合わせたモデル調整ではない。同じ全文との対応を守る。
2. 実装担当: 全欠落重みを許すのではなく、観測した辞書との厳密一致に限定する。標準の入力のみのCTC呼出しとevalを保つ。
3. 統計担当: 120件が揃うまでは全体WERを出さない。旧版の未開始120件を新しい版の成功件数へ混ぜない。
4. 再現性担当: 元の失敗と後継版をplan・source-lock・原ZIPで明示的に結ぶ。全正規化入力、logits、argmaxと編集操作を保持する。
5. 批評家: 例外を広げれば本当の重み欠損を見逃す危険がある。辞書・固定資産・eval条件のいずれかが異なれば停止する。成功済みMOSの再計測は不要。

## 第2巡の決定

1. 内容評価担当: 全長、正解全文、大文字化と空白整理のみ、未知tokenを隠さない条件を維持する。
2. 実装担当: パラメータ注入、configのmask無効化、重みファイルの編集、別checkpointへの切替はしない。
3. 統計担当: 全120のmicro-WERと話者等重み発話WERを、原音に対する認識器の記述値としてのみ扱う。人の明瞭性やボコーダー優位性とはしない。
4. 再現性担当: 実行器と独立監査器のASR専用化を静的レビューし、固定後に新しい5担当へ配る。モデルの事前smokeや試行はしない。
5. 批評家: 変更は未開始ASRを実行可能にするための限定修正に留める。旧大型品質結果の保存障害を回避する計測ではなく、方式の採用判断にも使わない。

成果物は既存と同じ45MiB上限内の原ZIPとして保存します。予期せぬ超過や転送失敗があっても、結果の削減・分割・別経路への迂回は行いません。