DeepMind 升级生物声学模型 Perch：水陆通用并在 Kaggle 开源

Perch 是 Google DeepMind 开源的生物声学 AI 模型，专门用来从海量野外录音里把动物的叫声找出来。

生态学家在野外架设麦克风或水下水听器，随随便便就会录下成千上万个小时的声音。要在这一堆大自然的背景音里听出某种濒危鸟类或者青蛙的动静，靠人工去听基本不现实。Perch 要解决的就是这个问题。

它能做什么

新版 Perch 最大的变化是跨界：它不再只是陆地上的鸟类识别工具，还能处理珊瑚礁等复杂的水下声学环境。

这次模型的训练数据量比初代翻了接近一倍，全部来自 Xeno-Canto 和 iNaturalist 等公开数据集。除了鸟类，训练集还加入了哺乳动物、两栖动物以及人类活动产生的环境噪音。

在功能上，它不仅能回答「这段音频里有没有某种动物」，还能帮助科研人员估算特定区域内的个体数量，甚至监测幼鸟的出生情况。

面对极其稀缺的濒危物种声音，Perch 不需要成百上千条样本来微调。它引入了一种叫敏捷建模（Agile Modeling）的机制，核心逻辑是向量检索配合主动学习。

科研人员只要手里有一段目标动物的叫声样本，Perch 就能在数万小时的数据集里找出声学特征最相似的片段。专家只需要花几十分钟把检索结果标上对错，就能在不到一小时内训出一个高质量的专用分类器。

实地测试与开放程度

初代 Perch 自 2023 年发布以来，下载量已经超过 25 万次，其向量搜索库也被整合进了康奈尔大学著名的鸟类声音分析工具 BirdNet Analyzer 中。

在实战中，澳大利亚科研团队用它辅助建立了本土物种分类器，成功定位到了罕见濒危鸟类斑鹑鸨的新种群。

在夏威夷，夏威夷大学的 LOHE 生物声学实验室用它监测受禽疟疾威胁的珍稀管舌鸟。依靠 Perch，研究人员筛选声音的速度比传统人工方法快了近 50 倍，大幅扩展了监测范围。

目前新版 Perch 已经在 Kaggle 上完全开放，任何研究人员和开发者都可以直接下载模型权重和相关工具代码。

为什么重要

对于从事生态保护、野外调查的科研人员和环保机构来说，Perch 几乎是目前开箱即用体验最好的开源声学分析工具之一。单样本检索加主动学习的打法，彻底打消了冷门物种没有大样本就无法用 AI 的顾虑。

我们认为 DeepMind 把模型放在 Kaggle 开源非常聪明。野外生物调查普遍面临经费紧张和工程能力不足的问题，把重型模型做成通用特征提取器，让一线研究员在普通机器上用不到一小时搭出专属工具，才是技术落地的正确姿势。

不过需要提醒的是，水下声学和陆地林区环境的噪音特征完全不同。尽管新版加入了珊瑚礁数据，但在真实复杂的浑浊水域或极端暴雨场景下，模型的抗噪表现依然需要本地专家的二次复核。