专攻鸟鸣的识别工具，由康奈尔鸟类学实验室与开姆尼茨工业大学的Stefan Kahl团队从2016年起合作开发，2018年发布正式应用。用手机麦克风录一段环境声，模型会切分音频并给出鸟种判断，识别范围覆盖全球数千种鸟类，判断时参考录音的经纬度和所处周次，因此同一段声音在不同地区、不同季节可能得到不同答案。用户上传的高质量录音已累积到上亿条，反过来又用于模型迭代，规模在同类工具里少见。模型处理的是48千赫采样率下的三秒音频片段，短促的单声也有机会被认出来。
免费，背后的BirdNET-Analyzer是开源项目，基于TensorFlow，普通CPU就能跑，生态监测、保护区长时段录音和自然教育项目常拿它做批量分析。适合看不见鸟只听得见叫声的林下环境，也适合把家门口一年四季的鸟声整理成清单。界面简单直白，几乎没有学习成本，但记录管理能力弱，无法替代观鸟报告平台。密林里多种鸟同时鸣叫、或者背景有车流和风声时，结果需要自己再核一遍，把握不准的可以保存录音回来复听。清晨鸟鸣最密集的时段效果最好，正午和大风天基本记不到什么东西。
暂无评价，来做第一个吧！