看到的，就是模型真正的判断
唤醒模型好不好，最后都落在一个个具体的时刻：该醒的时候醒没醒，不该醒的时候有没有误醒。Kwscope 和训练时用的运行时逐帧对齐，屏幕上的每一次触发，都是模型上线后真的会做出的判断，不是近似。
项目速览
Kwscope 本身不带模型。开源权重的唤醒模型发布后，会在这里给出下载。
两级
一级听词，二级复核
逐帧
和训练侧的运行时对齐
0.2.0
当前版本 · MIT OR Apache-2.0
每一次醒来都有位置
1/3
绿色是收下的唤醒，红色虚线框是二级拦下的误报，上面的数字是二级的把握。下方是一级的分数曲线，越过黄色虚线的那一刻，模型醒了。
Kwscope 0.2.0 在 MacBook Pro 上接麦克风实测：四次触发，收下三次，二级拦下一次。
拖一下阈值，就知道该定在哪儿
2/3
唤醒永远在两种失败之间取舍：太灵敏会误醒，太迟钝会叫不应。拖动 t1、t2，打开的录音马上重判一遍，哪一次多出来、哪一次消失了，一眼就能看到。
在麦克风前，也在流水线里
3/3
最好的测试是自己开口说。接上麦克风，频谱随声音滚动，唤醒一出就标上。要成批跑录音时，用 kwscope stream，每个触发一行 JSON，直接接进评测。