เครื่องวิเคราะห์เสียงนกบนเดสก์ท็อปสำหรับงานชีวเสียงที่มีปริมาณสูง
ประมวลผลการบันทึกเสียงยาวเพื่อระบุเสียงนกและสัตว์ รวมถึงการบันทึกเสียงข้ามคืนและไฟล์หลายชั่วโมง Chirpity ซึ่งสร้างโดย Matt Kirkland เป็นยูทิลิตี้เดสก์ท็อป Windows สำหรับการระบุและจัดทำรายการชีวภาพเสียง มันทำงานด้วยโมเดลการเรียนรู้ของเครื่องในเครื่อง แสดงสเปกโตรแกรมสำหรับการวิเคราะห์เชิงภาพ และเสนอการประมวลผลแบบกลุ่มและการลดเสียงรบกวน แอปนี้เหมาะสำหรับผู้สังเกตนก นักวิทยาศาสตร์พลเมือง และนักวิจัยที่ต้องการการวิเคราะห์เสียงที่เคารพความเป็นส่วนตัวและมีความสามารถในการประมวลผลสูงบนเดสก์ท็อป。
แอปทำอะไรได้บ้างสำหรับเสียงยาว
Chirpity วิเคราะห์การบันทึกยาวโดยการรันโมเดลการเรียนรู้ของเครื่องสองตัว: BirdNET สำหรับการตรวจจับสายพันธุ์ที่กว้างขวางและโมเดล Nocmig ที่ปรับแต่งสำหรับการเรียกเสียงการบินในเวลากลางคืน แอปนี้รองรับรูปแบบ WAV, MP3, M4A/AAC, Opus, Ogg และ FLAC และสามารถสแกนโฟลเดอร์ทั้งหมดเพื่อให้ผู้ใช้สามารถประมวลผลการบันทึกที่ใช้เวลาหลายชั่วโมงหรือหลายวันโดยไม่ต้องจัดการไฟล์ทีละไฟล์
มันส่งผลต่อทรัพยากรของระบบอย่างไรในระหว่างการรันแบบกลุ่ม
แอปทำการประมวลผลในเครื่องบนฮาร์ดแวร์เดสก์ท็อป ซึ่งช่วยให้ข้อมูลเป็นส่วนตัวและหลีกเลี่ยงการจราจรในเครือข่าย การวิเคราะห์เบื้องหลังทำงานในขณะที่คุณใช้ส่วนอื่น ๆ ของแอป ดังนั้นคุณสามารถจัดคิวชุดข้อมูลขนาดใหญ่; เนื่องจากการวิเคราะห์เกิดขึ้นในอุปกรณ์ จึงคาดว่าจะมีภาระงานหนักในระหว่างงานที่ยาวนานและมีความสามารถในการประมวลผลสูงแทนที่จะถูกส่งไปยังเซิร์ฟเวอร์
การตรวจจับที่ปลอดภัยและปรับแต่งได้ทำงานอย่างไรสำหรับกระบวนการวิจัย
การตรวจจับสามารถปรับแต่งตามฤดูกาล เวลาของวัน หรือรายการสายพันธุ์ที่กำหนดเองและรวมถึงการลดเสียงรบกวนเพื่อปรับปรุงคุณภาพสัญญาณก่อนการจำแนกประเภท การมีโมเดลเฉพาะ Nocmig แสดงถึงการเรียกเสียงการอพยพในเวลากลางคืน และการประมวลผลในท้องถิ่นหมายความว่าเสียงจะไม่ออกจากเครื่อง ซึ่งช่วยรักษาการบันทึกเสียงที่ละเอียดอ่อน
เหมาะสำหรับนักวิจัยและผู้บันทึกเสียงที่จริงจังที่มีทรัพยากรเดสก์ท็อป
แอปทำงานได้อย่างเชื่อถือได้สำหรับผู้ใช้ที่เก็บรวบรวมเสียงจำนวนมากและต้องการการระบุที่ขับเคลื่อนด้วยโมเดลแบบออฟไลน์; มันมุ่งเน้นไปที่การทำงานทางเทคนิคมากกว่าการใช้งานมือถือแบบสบาย ๆ คาดว่าจะมีการใช้ CPU และพื้นที่เก็บข้อมูลอย่างต่อเนื่องในระหว่างการวิเคราะห์ชุดข้อมูลขนาดใหญ่ ดังนั้นให้รันงานขนาดใหญ่บนเครื่องเฉพาะหรือในช่วงเวลาที่ว่าง แนะนำ.
