DeepMind 升級生物聲學模型 Perch：水陸通用並在 Kaggle 開源

Perch 是 Google DeepMind 開源的生物聲學 AI 模型，專門用來從海量野外錄音裡把動物的叫聲找出來。

生態學家在野外架設麥克風或水下水聽器，隨隨便便就會錄下成千上萬個小時的聲音。要在這一堆大自然的背景音裡聽出某種瀕危鳥類或者青蛙的動靜，靠人工去聽基本不現實。Perch 要解決的就是這個問題。

它能做什麼

新版 Perch 最大的變化是跨界：它不再只是陸地上的鳥類識別工具，還能處理珊瑚礁等複雜的水下聲學環境。

這次模型的訓練資料量比初代翻了接近一倍，全部來自 Xeno-Canto 和 iNaturalist 等公開資料集。除了鳥類，訓練集還加入了哺乳動物、兩棲動物以及人類活動產生的環境噪音。

在功能上，它不僅能回答「這段音訊裡有沒有某種動物」，還能幫助科研人員估算特定區域內的個體數量，甚至監測幼鳥的出生情況。

面對極其稀缺的瀕危物種聲音，Perch 不需要成百上千條樣本來微調。它引入了一種叫敏捷建模（Agile Modeling）的機制，核心邏輯是向量檢索配合主動學習。

科研人員只要手裡有一段目標動物的叫聲樣本，Perch 就能在數萬小時的資料集裡找出聲學特徵最相似的片段。專家只需要花幾十分鐘把檢索結果標上對錯，就能在不到一小時內訓出一個高質量的專用分類器。

實地測試與開放程度

初代 Perch 自 2023 年釋出以來，下載量已經超過 25 萬次，其向量搜尋庫也被整合進了康奈爾大學著名的鳥類聲音分析工具 BirdNet Analyzer 中。

在實戰中，澳大利亞科研團隊用它輔助建立了本土物種分類器，成功定位到了罕見瀕危鳥類斑鶉鴇的新種群。

在夏威夷，夏威夷大學的 LOHE 生物聲學實驗室用它監測受禽瘧疾威脅的珍稀管舌鳥。依靠 Perch，研究人員篩選聲音的速度比傳統人工方法快了近 50 倍，大幅擴充套件了監測範圍。

目前新版 Perch 已經在 Kaggle 上完全開放，任何研究人員和開發者都可以直接下載模型權重和相關工具程式碼。

為什麼重要

對於從事生態保護、野外調查的科研人員和環保機構來說，Perch 幾乎是目前開箱即用體驗最好的開源聲學分析工具之一。單樣本檢索加主動學習的打法，徹底打消了冷門物種沒有大樣本就無法用 AI 的顧慮。

我們認為 DeepMind 把模型放在 Kaggle 開源非常聰明。野外生物調查普遍面臨經費緊張和工程能力不足的問題，把重型模型做成通用特徵提取器，讓一線研究員在普通機器上用不到一小時搭出專屬工具，才是技術落地的正確姿勢。

不過需要提醒的是，水下聲學和陸地林區環境的噪音特徵完全不同。儘管新版加入了珊瑚礁資料，但在真實複雜的渾濁水域或極端暴雨場景下，模型的抗噪表現依然需要本地專家的二次複核。