BirdNET
由德国开姆尼茨工业大学与康奈尔大学鸟类学实验室联合开发的开源鸟类声学识别神经网络模型，可识别全球超过6,000种鸟类，支持在树莓派等低功耗设备上运行
时间轴 (近 90 天)
BirdNET 等系统已能识别数千种鸟类的叫声，用于评估生物多样性和迁徙模式。
Dawn Chorus Pro 不替换 BirdNET，而是将其作为前端采集工具，在其输出之上叠加先验过滤与人工可读的日志生成层。
BirdNET 是由康奈尔大学鸟类学实验室和 Chemnitz 工业大学联合开发的声音分类深度学习模型，训练数据包含数千种鸟类录音，可输出带时间戳的物种识别及置信度日志，但野外环境易受背景噪声干扰产生误报。
Dawn Chorus Pro 是一个离线 AI 观鸟工具，核心理念是让用户在徒步时只录音不查看屏幕，徒步后再上传 BirdNET CSV 格式的声学日志进行验证与可视化分析。
BirdNET CSV 格式是由康奈尔大学鸟类学实验室等机构开发的 BirdNET 声学识别工具输出的结构化数据文件，通常包含时间戳、物种学名/俗名、置信度分值以及音频片段起止位置等字段。
BirdNET 训练数据以欧洲和北美为主，南亚物种偏少，因此在印度等地区会出现漏报
BirdNET 的工作方式是将音频切成若干 3 秒窗口，对每段分别输出物种概率分布
birdjournal 的技术流水线由 BirdNET（声音识别）和通过 Ollama 运行的本地开放权重 LLM（日记撰写）两个开源组件串联而成
birdjournal 采用 BirdNET 的 litert 后端，无需安装 TensorFlow，可运行在树莓派上
BirdNET 由康奈尔鸟类学实验室与德国开姆尼茨工业大学联合开发，基于 EfficientNet 架构，训练数据涵盖全球约 6000 种鸟类音频
还有 6 条时间轴事件
全部知识事实 (16)
Dawn Chorus Pro 是一个离线 AI 观鸟工具，核心理念是让用户在徒步时只录音不查看屏幕，徒步后再上传 BirdNET CSV 格式的声学日志进行验证与可视化分析。
60%待验证BirdNET 等系统已能识别数千种鸟类的叫声，用于评估生物多样性和迁徙模式。
50%待验证Dawn Chorus Pro 不替换 BirdNET，而是将其作为前端采集工具，在其输出之上叠加先验过滤与人工可读的日志生成层。
50%待验证BirdNET 是由康奈尔大学鸟类学实验室和 Chemnitz 工业大学联合开发的声音分类深度学习模型，训练数据包含数千种鸟类录音，可输出带时间戳的物种识别及置信度日志，但野外环境易受背景噪声干扰产生误报。
50%待验证BirdNET CSV 格式是由康奈尔大学鸟类学实验室等机构开发的 BirdNET 声学识别工具输出的结构化数据文件，通常包含时间戳、物种学名/俗名、置信度分值以及音频片段起止位置等字段。
50%待验证BirdNET 训练数据以欧洲和北美为主，南亚物种偏少，因此在印度等地区会出现漏报
50%待验证BirdNET 的工作方式是将音频切成若干 3 秒窗口，对每段分别输出物种概率分布
50%待验证birdjournal 的技术流水线由 BirdNET（声音识别）和通过 Ollama 运行的本地开放权重 LLM（日记撰写）两个开源组件串联而成
50%待验证birdjournal 采用 BirdNET 的 litert 后端，无需安装 TensorFlow，可运行在树莓派上
50%待验证BirdNET 由康奈尔鸟类学实验室与德国开姆尼茨工业大学联合开发，基于 EfficientNet 架构，训练数据涵盖全球约 6000 种鸟类音频
50%待验证在拉贾斯坦邦 Sikar 的 46 秒铜匠拟啄木鸟录音测试中，锁定地理过滤后 BirdNET 在全部 16 个 3 秒窗口都以 100% 置信度识别出该鸟种
50%待验证鸟鸣主要频率范围通常在1-8 kHz，部分高音鸟种可达10 kHz以上，8 kHz采样率受奈奎斯特定理限制只能还原4 kHz以下频率，导致高音调鸟类识别失败
50%待验证BirdNET是由德国康奈尔鸟类学实验室与开姆尼茨工业大学联合开发的开源鸟类声音识别神经网络模型，通过提取梅尔频谱图特征送入卷积神经网络分类识别鸟鸣
50%待验证BirdNET 是由德国开姆尼茨工业大学与康奈尔大学鸟类学实验室联合开发的开源神经网络模型
50%待验证BirdNET 支持在树莓派等低功耗单板计算机上运行，推理一段 3 秒音频仅需不到 1 秒
50%待验证BirdNET 目前可识别全球超过 6,000 种鸟类
50%