解码鸡鸣声——基于自然语言处理和Transformer模型的语义与情感分析

破译鸡的声学语言为动物福利和生态信息学带来了新的机遇。它们微妙的鸣声信号编码了健康状况、情绪状态以及生态系统中动态的相互作用。理解这些叫声的语义提供了一种宝贵的工具，用于解释它们的功能词汇，并澄清每种声音在社交和环境背景下如何 serve a specific purpose。我们应用先进的自然语言处理和基于Transformer的模型，将生物声学数据翻译为有意义的见解。该方法将Wave2Vec 2.0用于原始音频特征提取，结合在动物声响广泛语料库上预训练并针对家禽任务微调的双向编码器表示来自Transformer模型。该管道将家禽鸣声解码为可解释的类别，包括焦虑叫声、喂食信号和交配鸣声，揭示了常规分析常忽视的情感细微差别。通过对关键鸣声类型的分类准确率达到92%，我们的做法展示了实时自动监控 flock 健康和压力的可行性。通过跟踪这种功能词汇，农户可以主动应对环境或行为变化，从而提高家禽福祉，减少与压力相关的生产损失，并支持更可持续的农场管理。Beyond agriculture，this research enhances our understanding of computational ecology. Accessing the semantic foundation of animal calls may indicate biodiversity, environmental stressors, and species interactions, informing integrative ecosystem level decision making.