🔧 v3 Replace-Audio: NAG + BGM Retry

对比旧版（纯prompt）vs 新版（NAG注意力引导 + BGM检测重试）

0.0%

新版 music_pct

35.8%

旧版 music_pct

-4.5dB

中频(旋律)降低

1次

NAG通过(无需重试)

✅ PASS Case 05: 红色赛车 — v3 (NAG + BGM Retry) 1280×704 · 14.4s · 193帧

旧版 v1（无 NAG） BGM 35.8%

新版 v3（NAG + Retry） BGM 0.0%

指标	旧版 v1	新版 v3	变化
BGM detector	has_bgm: true	has_bgm: false	✅ 消除
music_pct	35.84%	0.0%	↓35.8%
noise_pct	—	56.2%	环境音为主
中频 (200-2kHz)	-28.9 dB	-33.4 dB	↓4.5dB
高频 (2kHz+)	-38.5 dB	-52.9 dB	↓14.4dB
低频 (bass)	-32.6 dB	-28.7 dB	↑3.9dB (引擎声保留)
mean volume	-28.7 dB	-29.3 dB	持平

v3 新增机制

• NAG (LTX2_NAG): 11层注意力引导, nag_alpha=0.25, 同时作用于 video 和 audio conditioning
• 强化 Prompt: diegetic 正向 + 穷举音乐要素负向 (参照 msr.ts AUDIO_GUIDES)
• BGM 检测: inaSpeechSegmenter CNN + 频谱分析, threshold=10%
• 自动重试: music_pct > 10% → 换 seed 重试, 最多 3 次 (本次第 1 次即通过)