已实际在CPU运行DeepFilterNet3并保存真实输出与逐文件检查；输入包含原创程序音乐或系统朗读，结果只代表当前12秒练习。已从原视频实际提取AAC音轨做两组推理：首尾有声段未补偿均滞后10ms，补偿后均0ms；视频保持25fps和300帧，AAC输出尾部多约10ms。
原创输入或已知源参考
实际模型输出
原始系统朗读/程序参考与模型真实输出分别标注；没有运行的步骤不视为完成。