MiDashengLM-Spatial 把声源方位读成前后颠倒或左右反了，先不要动模型权重，也不要急着换模型。方位信息在进入模型之前已经过三道手：麦克风与声源的实际几何关系、转码链路有没有保留两个独立声道、加载时数组的通道排列。任何一处把左右抹平或对调，模型给出的结果看起来都像“读错”。可以按下面的顺序把证据固定下来，再决定是否怀疑模型本身。
方位读错时，先做的是把左右声道分别导出单独试听，并对链路中每个产物复核 channels 与 channel_layout。如果两路内容完全一致，或某一步被折成单声道、被复制成假立体声，问题就落在录制与前处理，改模型没有意义。只有在原始文件左右两路确实不同、且送入模型的张量仍是两个独立通道的前提下，模型输出的方位偏差才值得当作模型问题处理。以上任何一步的判断都要结合当时的录音摆位记录和设备配置确认，不能只凭一次听感下结论。
把同一段素材的左右声道分别单独播放
拿到一段方位判断出错的素材后，第一件事是把它拆成左路和右路两条单声道文件，用耳机分别听。
# 用 ffmpeg 分离左右声道
ffmpeg -y -i clip.wav -af "pan=mono|c0=c0" clip_L.wav
ffmpeg -y -i clip.wav -af "pan=mono|c0=c1" clip_R.wav
# 用 sox 做同样的事
sox clip.wav clip_L.wav remix 1
sox clip.wav clip_R.wav remix 2试听时重点听三件事。第一，声源从画面一侧移到另一侧时，两条单独轨道里的音量和出现时间是否跟着变。第二，有没有一路明显更响或更早到，这个差值就是模型判断左右的主要依据。第三，两路听起来是不是完全相同。如果完全一样，很可能素材本身是利用双声道分别放左右声场的假立体声，模型拿到这种输入做方位判断，出错是预期内的。
听感之外，再用数值做一次交叉确认，避免主观判断偏差：
import numpy as np, soundfile as sf
x, sr = sf.read("clip.wav", always_2d=True)
l, r = x[:, 0], x[:, 1]
print("shape", x.shape, "sr", sr)
print("L rms", float(np.sqrt((l ** 2).mean())))
print("R rms", float(np.sqrt((r ** 2).mean())))
print("max|L-R|", float(np.abs(l - r).max()))
print("corr", float(np.corrcoef(l, r)[0, 1]))max|L-R| 接近 0 且相关系数接近 1 时，基本可以判定两路是复制的，模型没有可用的空间线索。用表格把结论固定下来，后面排查时可以直接对照：
| 片段文件名 | 声道数 | 左路听到的内容 | 右路听到的内容 | 电平/时序差异 | 判断 |
|---|---|---|---|---|---|
| clip.wav | 2 | 环境声偏左，人声居中 | 环境声明显弱 | 左路整体更响 | 两路不同，可用 |
| ref_take.wav | 2 | 与右路完全相同 | 与左路完全相同 | max|L-R| 接近 0 | 疑似假立体声 |
回看转码环节是否把多声道折叠成单声道
确认原始录音是立体声之后，下一步是逐段复核链路上每个产物的声道信息，找出空间信息在哪一步丢的。转码参数里最常见的折声道手段是 -ac 1，它会把左右两路取平均混成一路，混完就再也拆不回来；另一个方向是源本来就是单声道，却加了 -ac 2，把一路复制成两路，得到的是假立体声，模型照样分不出左右。滤波链里的 pan=mono、aformat=channel_layouts=mono 也会起到同样效果。语音、会议、通话类链路通常默认单声道，素材一旦进去中转一次，左右就没了。
每个产物都跑一遍读参数命令，包括原始录音、剪辑软件导出件、上传后重新下载的副本、服务端缓存下来的文件：
ffprobe -v error -select_streams a:0 \
-show_entries stream=index,codec_name,channels,channel_layout,sample_rate \
-of default=noprint_wrappers=1 clip.mp4判定标准很简单：channels=2 且 channel_layout=stereo 才算通过。如果 channel_layout 为空，下游加载库可能按默认顺序解释声道，存在把左右读反的可能，这种情况建议先把布局显式写清楚再继续排查。任何一步不通过，就把这一段的转码参数改回去重导，而不是往下怀疑模型。
确认录音摆位与声源实际位置
声道都在，两路内容也不同，还要排除一种情况：素材本身的左右就是反的。常见的来源是 XLR 或 TRS 线序接反、录音笔铭牌方向与实际拾音面相反、阵列麦克风朝向与拍摄方向不一致。这些都会让模型“正确”地读出一个左右镜像的方位。
录制时建议随手记下三样东西：麦克风或阵列的物理朝向（用照片或俯视示意图标注）、声源相对麦克风的方位（左前方、正前方、右后方这类描述加上大致角度）、左右声道的接线与标注归属。事后排查时，这份记录往往比任何日志都有用。
如果能重录，安排一次对照录制：在同一个位置、同一套设备下，让声源明确地从画面左侧移到右侧，其他条件尽量不变，单独存成一个“已知答案”素材。这条素材跑推理后，方位标签与物理移动方向一致，就可以排除摆位问题，把范围收敛到模型或前处理；不一致则先查线序和标注。
用同一段素材在不同前处理下复跑对比
到这一步，变量应该只剩前处理这一层。取同一段原始素材，分别按不同方式处理，其余输入参数保持一致，各跑一次推理，把结果并排记录：
| 处理组 | 处理方式 | 实测声道数 | 推理输出方位 | 与已知真值是否一致 |
|---|---|---|---|---|
| A 原始文件 | 未做任何转码 | 2 | 记录实际输出 | 是/否 |
| B 转码后 | 与线上链路相同的编码参数 | 用 ffprobe 复核后填写 | 记录实际输出 | 是/否 |
| C 重采样后 | 只改采样率，保持双声道 | 用 ffprobe 复核后填写 | 记录实际输出 | 是/否 |
如果 A 组正确、B 组错误，问题在转码参数；如果 A 与 B 都错、C 与 A 一致，说明重采样不是原因，重点回到录制摆位和输入张量；如果三组都错且错误方向一致，才轮到检验模型对这类素材的方位判断能力。每组都建议保留中间产物文件，避免复跑时参数悄悄变了。
把定位顺序写成可复用检查表
下次再遇到方位读错，按下面四步走，不要从改模型开始。每一步都有明确的通过标准和回退动作：
| 顺序 | 检查对象 | 通过标准 | 不通过时先做什么 |
|---|---|---|---|
| 1 录制 | 原始录音文件与摆位记录 | channels=2，左右单独试听内容不同，有朝向与声源方位记录 | 查线序与标注，重录一段已知答案素材 |
| 2 转码 | 链路每个产物的 ffprobe 输出 | 每一步都是 channels=2、channel_layout=stereo，且不是复制出来的两路 | 改掉 -ac 1 等折声道参数，重新导出 |
| 3 输入张量 | 送入模型前的数组 | 形状为 (N,2) 或 (2,N)，左右通道统计量不同 | 修加载代码，显式指定声道顺序与采样率 |
| 4 输出 | 模型返回的方位标签 | 在已知答案素材上方向一致 | 此时才把问题归到模型侧，记录输入与输出供后续分析 |
输入张量这一步容易被跳过，可以在推理入口前加一段打印：形状、采样率、左右通道的均值与相关系数。如果左右通道的统计量完全一致，模型拿到的就是一份没有空间差异的输入，输出方位再怎么修也不会对。