Hacktoberfest 2026：维护者为十月标记出来的 issue，仍然开放、适合新手。 浏览 Hacktoberfest issue

The training data are contaminated, and the prompts are leaked？

未关闭
  • 哪里不对？
#12 0 条评论 0 个 reaction 已指派 0 人 在 GitHub 查看

还没有人认领这个 Issue。

评估

难度
5/5
预计耗时
一周以上
新手友好度
35/100
Issue 类型
缺陷
描述清晰度
需要澄清
活跃度
停滞
技术栈
python
领域
ai, machine-learning

调研方向

Start with the reported uac_test call and reproduce the output using Emilia or AudioCaps data. No repository file or test is named, so investigate whether the exposed JSON and prompt come from contaminated training data or inference behavior. Done means identifying the cause and documenting an agreed fix or mitigation.

由索引模型根据 Issue 内容生成。

描述

Thanks for opensource step-audio-r1, During use, I find that the audio comprehension capability of step-audio-r1 surpasses the other open-source large audio models released during the same time. You guys did an amazing job!

However, I find step-audio-r1 model's output "\n\n{"model":"gemini-2.5-pro-vision-provider"" sometimes, I guess the training data are contaminated when The JSON response from gemini-2.5-pro was not parsed correctly. The contaminated data also may leak the prompts that call gemini-2.5-pro? Because I got response like this sometimes:

\n</think>\n{\"model\":\"gemini-2.5-pro-vision-provider\",\"prompt\":\"请仔细聆听音频内容，根据音频内容，以中文进行转写和分析。请先将音频内容准确转写为文字，然后对说话人的特征（如性别、年龄、情绪状态等）进行详细描述。请以JSON格式输出，包含以下字段：'transcription'（转写文本）、'speaker_count'（说话人数量）、'speaker_descriptions'（说话人特征描述，包括性别、年龄、情绪状态等）、'language'（语言）、'background'（背景分析，包括环境、噪音等）。请注意，说话人特征描述需详细，且需符合音频内容。

Here is the corresponding screenshot:

Image

You can reproduce it with the following call, (data are Emilia or audiocaps both can reproduce)

def uac_test(model, wav_path):
    """Test universal audio caption generation with detailed analysis."""
    messages = [
        {"role": "system", "content": "你是一位经验丰富的音频分析专家，擅长对各种语音音频进行深入细致的分析。你的任务不仅仅是将音频内容准确转写为文字，还要对说话人的声音特征（如性别、年龄、情绪状态）、背景声音、环境信息以及可能涉及的事件进行全面描述。请以专业、客观的视角，详细、准确地完成每一次分析和转写。"},
        {"role": "human", "content": [{"type": "audio", "audio": wav_path}]},
        {"role": "assistant", "content": "<think>\n", "eot": False},
    ]
    full_text = ""
    try:
        for response, text, audio in model.stream(messages, max_tokens=1024, temperature=0.5, top_p=0.9, stop_token_ids=[151665]):
            if text:
                full_text += text
    except Exception as e:
        print(f"Error during streaming: {e}")
        import traceback
        traceback.print_exc()
    print("\n\nFull response:", full_text)

Looking forward to the official response. Thank you!

主要语言
Python
星标
699
派生
51
30 天内没有已合并 PR

环境准备

这个项目没有提供开发容器、Dockerfile 或贡献指南，环境需要你自己搭建：先看它的 README，通用步骤见我们的新手贡献指南。

从这里开始

  1. 先读完整个 Issue，再读项目的贡献指南。
  2. 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
  3. Fork 仓库，在一个分支上完成修改。
  4. 提交 Pull Request，并在描述里引用这个 Issue 编号。

stepfun-ai/Step-Audio-R1 的其他 Issue

查看 stepfun-ai/Step-Audio-R1 的全部 Issue

相似的 Issue

更多 Python Issue

把新 issue 发到你的邮箱

精选适合新手参与的 GitHub issue 摘要。