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。
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。
研究团队提出硬件感知的 Bat Activity Detector(BAD),用于在 192–384 kHz 可变采样率下区分蝙蝠叫声与生物及环境干扰。该模型针对 Silicon Labs EFM32PG26(MVP)以 8 位整数精度实现全部 14 层硬件卸载,占用 17.2 KB Flash 与 73.1 KB RAM。
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。
德国波鸿鲁尔大学团队发现,海鞘 Halocynthia papillosa 在 50 至 800 赫兹的低频刺激下主要因基质振动增强而收缩,即使水下声压级超过 130 分贝,只要基质振动低于反应阈值便无类似反应。研究在《Marine Biology》发表,指出仅靠声压不足以解释底栖生物的行为反应,后续需结合生理与神经生物学研究确认感知机制。
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。
俄勒冈州立大学团队在俄勒冈近海觅食鲸鱼周边四次布放并回收 AZFP-nano 水面漂流浮标,用于研究捕食者—猎物动态,期间遇到座头鲸、蓝鲸和长须鲸集群。该浮标核心是一台紧凑轻量的单频 200 kHz 科学回声测深仪,为 AZFP 的小型化版本,采用标准 D 型电池供电。团队同时布放一台搭载水听器的漂流浮标记录鲸鱼发声行为,原型在野外工作良好。
西蒙弗雷泽大学开发出开放获取的 Orca Call Catalog,首次将数十年虎鲸录音汇集成可搜索的在线声音库,供研究人员和爱好者仅凭叫声识别不同生态型、氏族和家族群。该目录由 John Ford 与 SFU 的 HALLO 项目合作构建,可区分居留型、Bigg's 和远洋型三种生态型及其方言差异。
CENSE 发布第 10 期声音作品合辑 MARE SUEBICUM,呼应即将在格但斯克举办的活动主题与地理语境,汇集 CENSE 社群及合作者的音频作品。波罗的海在罗马帝国时期被称为 Mare Suebicum,如今被视为全球受威胁最严重的海域之一,浅而近乎封闭的盆地使污染滞留数十年。
世界声学生态论坛(WFAE)发售 R. Murray Schafer 八十寿辰纪念文集《Ways of Listening, Figures of Thought》,平装 72 页,需支付 15 美元名义费用以覆盖海外运费与包装。
布里斯托大学 Marc Holderied 教授将于 10 月 22 日在 Sustainable Sound Futures CDT 线上大师课介绍其团队发现的天然声学超材料,并展示面向仿生超材料吸声体的后续工作。
佛罗里达大西洋大学对黑鳍鲨的研究发现,自由游动的鲨鱼能探测到最远74米(243英尺)外的低频水下声音,并迅速转向远离声源,表明其可判断声音方向。研究测试了100–200、200–400和400–800赫兹三档低频声,10千赫兹对照声未引发反应,超70%的响应发生在声学远场。