音频回归测试中，因 TTS 模型非确定性会导致相同文本两次合成字节流不同，但听感一致，因此不能采用字节级比对，应提取声学指纹（如 MFCC、F0 轨迹、时长）并使用余弦相似度或 DTW 距离与黄金音频比对。