在“音频音质修复”的研发中，需要识别音频是否有损以及损伤的程度，目前“音频音质修复”正在有序研发中，而它的“副产物”——音质损伤分析功能，已经升级到了V3版本，目前已经发布，现在上传的文件将使用V3的分析算法，分析更准确。

V2（代号：灵魂/psyche）的音频损伤识别算法，在发布之前一直在团子的内部使用，用来进行数据处理和过滤，随着时间发展和使用时，我们逐步发现该算法的准确性仍需提升，在本轮的音频音质修复中，我们也重新的更新了新的分析算法——更多的学习数据以及更强壮的架构。

全新的V3算法（代号：复视/diplopia）在我们内部测试中，性能和准确性获得了巨大的提升，您的文件将被细化到更多的特征去进行识别，就像是用放大镜仔细的观察您音频的内容和频谱一样。

直观上V3算法进行了两点的提升：

1. 对“有损无损内容混合”更加敏感。现代的音乐多数为数字创作，而非以前的“实录”音乐，数字创作将音频变为一条条的轨道，轨道可能是乐器、可能是某些简短的采样或者FX，现代音乐逐渐模糊了有损和无损音频的界限——即便输出的是无损音频格式，但可能音频中用到了某些“采样”是有损的（常在大量电子音乐的FX中可见），这导致了有损和无损内容混合的情况，团子提高了此类歌曲的识别能力，这类歌曲出现时，团子会提示“有损无损混合”的情况。当然，团子正在研发的音频音质修复功能，同样支持有损无损混合的修复能力🧐
2. 对“AI生成”更加敏感。我们注意到目前已经出现了某些“AI修复”的音频，和团子即将发布的音频音质修复类似，不过处理更加粗糙，这些算法可能是从某些裁剪点开始进行上采样（如AudioSR算法），但并不会修复中低频的内容，在V2算法中网络会注意音频的高频内容，这些上采样算法可能会填补高频内容，导致V2算法在某些情况下误判为无损音频，V3算法对此问题进行了大量改良，现在网络会关注全频而非仅仅高频，即便您使用上采样算法进行高频补充，网络仍然能识别为有损音频🧐

另外，团子的音频音质修复正在有序开发中，我们尝试过“矛与盾的问题”🧐使用团子修复的结果和V3算法的检测，结果V3算法均输出为“无损音频”，我们对此的结果感到激动，团子的全新音频音质修复功能将会是您从没有见过的修复质量，符合团子的“工具、不是玩具”的价值观，小伙伴们敬请期待👻