判定在音频分析侧完成，隔音箱负责声学环境。主流做法分两层：第一层客观指标——声压级、频谱、谐波与共振特征对比良品基线；第二层算法判定——用良品与异音样本建立声学模型或深度学习模型识别异常。样本少的导入期用阈值法即可起步，样本积累后再升级AI。判定阈值与漏检/误报口径建议写入验收协议，用你自己的样本批次验收。
先把边界讲清楚：隔音箱负责环境，判定在测试系统侧完成。钱唐提供声学环境与集成方案，判定算法与你的产品特性强相关。
导入期样本少，阈值法就能跑起来；随着数据积累再升级模型，是更稳妥的路径。反过来，一上来就上AI而没有标注样本，模型无法验收。
这与钱唐在视觉检测方案里的验收口径一致：任何供应商的演示都不能替代你自己的样本批次。环境侧的基础条件见本底噪声≤25dBA说明。