发布于 2026-10-01 23:31
新研究：机器学习揭示大象合唱声编码行为信息
一项发表于 Scientific Reports 的研究用机器学习分析大象重叠合唱声，无需分离每头个体的叫声即可预测其行为情境。研究分析1986至2022年间成年雌象的903次隆隆声，发现约60%的隆隆声发生在两只及以上个体的合唱中，并在问候、联络和节奏性隆隆声三类情境中观察到发声趋同现象。
#AI 音频
#AI 音频
今日 0 条Earth Species Project arXiv cs.SD RSS 发布于 2026-10-01 12:00基于连续滤波器组与傅里叶神经算子的异构多类群生物声学分类
研究提出采样频率无关（SFI）前端，直接在录音原生采样率下处理，并搭配带渐进时间尺度融合的傅里叶神经算子（FNO）骨干，避免固定采样率重采样与高频信息损失。在含84个类别、60种采样率的多类群语料上，SFI-FNO配置优于固定采样率和语料最大采样率基线，取得0.906准确率、0.921平衡准确率和0.899的Macro-F1。训练时轻度采样率增强进一步提升对未见采样率变化的鲁棒性。
Earth Species Project 发布于 2026-10-01 02:09模型合并让 NatureLM-audio 在未见物种上 F1 提升超 200%
Emanuele Rossi 等研究者用模型合并将 NatureLM-audio 与其原始语言模型结合，在训练中未见过分类科的物种上取得 F1 相对提升超 200%，创下该评测的新最优。合并后模型在保持动物声音识别能力的同时，更能遵循多样化指令。相关成果在 NeurIPS 2025 非人类动物交流 AI 研讨会上展示，其经验已用于即将发布的 NatureLM-audio 2.0。