pycnet-audio：支持生物声学数据处理的 Python 软件包
声音
2025-06-19 v1 计算机视觉与模式识别
音频与语音处理
摘要
被动声学监测是野生动物研究中日益流行的方法，利用近期为专用自动录音单元（ARUs）所做的改进。基本方法是将 ARUs 在野外部署，以编程计划对其进行长期（数周或数月）录制，随后检索音频数据。随后必须对这些数据进行处理，通常是通过测量或分析音频本身的特征（例如计算声学指数），或通过在录音中搜索某些感兴趣的信号，如由某些目标物种、人为或环境噪声产生的声音。后者需要某种方法在音频中定位感兴趣的信号。虽然非常小的数据集可以直接手动搜索，但即使是适度的项目也会产生约为 10^5 小时的录音数据集，使手动审查变得不可行，必须采用某种形式的自动化检测。pycnet-audio（Ruff 2024）旨在为声音数据提供实用的处理工作流程，围绕 PNW-Cnet 模型构建，该模型最初由美国森林服务局开发，用于支持北方斑鸠（Strix occidentalis caurina）及其他森林鸮类的种群监测（Lesmeister 和 Jenkins 2022；Ruff 等 2020）。PNW-Cnet 已扩展为检测约 80 种森林野生动物的鸣叫以及各种形式的人为和环境噪声（Ruff 等 2021, 2023）。
引用
@article{arxiv.2506.14864,
title = {pycnet-audio: A Python package to support bioacoustics data processing},
author = {Zachary J. Ruff and Damon B. Lesmeister},
journal= {arXiv preprint arXiv:2506.14864},
year = {2025}
}