«CarDiag» es un proyecto de código abierto que diagnostica fallas de automóvil a partir del sonido del motor. Se instala como una herramienta de línea de comandos, corre también como aplicación web y su modelo entrenado pesa alrededor de 100 kilobytes. Lo interesante no es que acierte siempre —no lo hace—, sino que publica con honestidad cuánto acierta, cuándo falla y por qué.
El flujo es sencillo de usar y bastante más complicado por dentro. El usuario graba el motor con el teléfono y pasa el audio por el comando cardiag diagnose. El sistema responde tres cosas: si algo suena mal, en qué zona del auto buscar el problema —entre seis: motor, accesorios, escape, transmisión, suspensión-dirección y frenos-ruedas— y una lista corta de piezas probables. Cuando la evidencia no alcanza, devuelve «incierto» en lugar de inventar una respuesta.
Te puede interesarLas televisiones chinas apuestan por las series creadas con IACómo funciona
La primera etapa no es un modelo, sino una cascada de limpieza. Los audios de internet vienen con voz, música, viento y ruido de calle, así que el sistema aplica detección de actividad de voz, filtros de energía y planitud espectral, una compuerta musical basada en CLAP y separación de fuentes con Demucs. El objetivo es aislar un tramo corto donde el sonido mecánico domine. Los fragmentos de más de diez segundos se dividen en ventanas para que el codificador no los trunque en silencio.
La segunda etapa usa CLAP, el modelo de audio y lenguaje de Microsoft, en versión congelada: nunca se entrena. Cada tramo limpio se convierte en un vector de 512 dimensiones. Sobre esos vectores se entrenan clasificadores lineales —regresión logística con balanceo de clases y calibración de temperatura—, uno para detectar fallas, otro para ubicar la zona, otro para ordenar las piezas y otro para distinguir entre problema interno del motor y tren de rodaje.
Ese diseño es deliberadamente crudo. No hay ajuste fino, no hay red profunda, no hay millones de parámetros. Si el sistema funciona, funciona porque la información está realmente presente en las representaciones de CLAP, no porque un modelo grande haya memorizado el conjunto de entrenamiento. El autor describe el proyecto como una «receta» transferible a cualquier otro problema de clasificación de audio con datos sucios.
Te puede interesarBYD decidirá en 18-24 meses si construye su tercera fábrica en Europa, con España en la short listLos números, sin maquillaje
La evaluación se hizo con validación cruzada agrupada por video sobre 1.031 grupos, para evitar que fragmentos del mismo video aparecieran en entrenamiento y prueba. El resultado para distinguir motor sano de motor con falla es un AUROC de 0,794, con intervalo de confianza de 0,762 a 0,825, y una exactitud balanceada de 0,726. La prueba de permutación da p = 0,0005.
Conviene aclarar un punto que suele confundirse: 0,79 es AUROC, no un 79% de aciertos. El AUROC mide la capacidad de ordenar casos; con clases desbalanceadas, la exactitud balanceada es la métrica más exigente, y ahí el sistema queda en torno al 73%. Para ubicar la zona correcta entre las tres primeras opciones acierta cerca del 75%, y para la pieza concreta, entre 45% y 65%, tres a cuatro veces por encima del azar.
Hay dos datos que elevan la credibilidad del proyecto. El primero es que el modelo está calibrado —error de calibración esperado de 0,04—, así que cuando dice «incierto» suele tener razón en desconfiar. El segundo es un experimento de control: la misma receta, entrenada y probada sobre un conjunto limpio de 216 grabaciones de motor, alcanza un AUROC de 0,93. La diferencia entre 0,79 y 0,93 no es un defecto del método, sino del audio de teléfono capturado en la calle.
Te puede interesarBYD decidirá en 18-24 meses si construye su tercera fábrica en Europa, con España en la short listEl autor también publica el fracaso: el detector de «knock» o golpeteo funciona con 0,99 dentro de la distribución, pero se derrumba a 0,56 —nivel del azar— cuando se prueba con golpeteos de motor reales. La causa es que «knock» es una etiqueta acústica que usan unas 24 piezas distintas y el entrenamiento se cargó de golpes de chasis.
Para qué sirve
No reemplaza a un mecánico. Un profesional tiene estetoscopio, manos, un puerto OBD-II y un oído entrenado junto al motor; el modelo tiene un clip comprimido, muchas veces con viento y música encima. Lo que ofrece es orientación barata antes de pagar una grúa o una revisión: si el ruido viene del escape o de la suspensión, si conviene detenerse ya o se puede llegar al taller.
El proyecto se suma a otras herramientas abiertas de diagnóstico asistido, como Open Mechanic, que usa la API de Claude sobre datos OBD-II, y SonicFix, con análisis multimodal de Gemini. Ninguna sustituye la revisión física, pero todas apuntan a lo mismo: convertir el teléfono en el primer filtro del diagnóstico automotriz.
Te puede interesarBYD decidirá en 18-24 meses si construye su tercera fábrica en Europa, con España en la short listFuentes
GitHub — adam-s/car-diagnosis
Model card — cardiag
Defense — por qué funciona un diagnóstico deliberadamente crudo
Adam Sohn — CLAP, visualizado
GitHub — adam-s/car-diagnosis
Model card — cardiag
Defense — por qué funciona un diagnóstico deliberadamente crudo
Adam Sohn — CLAP, visualizado
Crédito de la imagen: adam-s/car-diagnosis




