Self-hosted realtime soundscape analyser for birds, bats and other wildlife. Multi-model local AI inference, runs 24/7 on a Raspberry Pi.

BirdNET‑Go – 实时AI驱动的声音景观分析

它能做什么

BirdNET‑Go 是一个自托管服务，可实时监听来自声卡或网络流的音频，并识别鸟类、其他野生动物和蝙蝠。它运行 BirdNET v2.4 模型（6500+ 鸟类物种）以及 Google Perch v2、BattyBirdNET 蝙蝠分类器和 BirdNET Geomodel v3.0。检测结果通过带有实时频谱图、热力图和可搜索物种列表的 Web 仪表板显示。

为什么重要

本地 AI 推理 – 无需云订阅；所有操作都在本地（甚至可在 Raspberry Pi 上）运行。保护数据隐私，支持离线使用。
多模型共识 – 并行运行多个分类器，当它们一致时提升置信度，不一致时标记以供审查，从而提高准确性。
丰富的警报功能 – 检测结果可推送至 Discord、Slack、Telegram、MQTT/Home Assistant、Webhook 等，便于与智能家居或公民科学工作流集成。
开箱即用部署 – 提供一键安装脚本、amd64/arm64 的 Docker 镜像，以及支持 PWA 的 UI，几分钟内即可搭建 24/7 监测站。

工作原理（高层次）

音频摄入 – 服务器从本地声卡或 RTSP/RTSPS 流（最高 256 kHz，用于超声波蝙蝠检测）捕获音频。看门狗监控流健康状况，可重启不稳定的源。
模型推理 – 音频片段输入到选定的 AI 模型（BirdNET 使用 TFLite，Perch/BattyBirdNET/Geomodel 使用 ONNX）。推理在 CPU 上运行；可选 ONNX Runtime 加速非 TFLite 模型。
共识与过滤 – 各模型结果合并。跨模型一致提升置信度；可配置过滤器（位置范围、狗吠声、深度检测窗口、按物种阈值）减少误报。
存储与 UI – 检测结果存储在 SQLite（或 MySQL）中，并通过基于 Svelte 的单页 Web 应用显示。UI 流式传输实时频谱图、热力图，并提供“当前听到”卡片。
警报路由 – 基于 shoutrrr 库的规则引擎评估每个检测是否符合用户定义条件，并通过多种渠道发送通知。

适合谁

希望在喂食器、巢箱或偏远地点部署私密、持续运行录音设备的 观鸟者、研究人员和保护志愿者。
希望在特定物种出现时触发动作（灯光、摄像头、日志）的 智能家居爱好者。
需要可扩展的自定义 TFLite 模型的 开发者。

快速开始

# Debian/Ubuntu/Raspberry Pi OS
curl -fsSL https://github.com/tphakala/birdnet-go/raw/main/install.sh -o install.sh
bash ./install.sh

或拉取 Docker 镜像并在主机网络中运行（推荐用于低延迟音频）。项目提供快速启动向导、OIDC/SSO 登录、TLS 证书处理和健康检查页面。

社区与支持

Discord：实时帮助和功能讨论。
GitHub：问题、拉取请求和贡献者列表。
详尽的 Wiki：涵盖安装、硬件推荐、自定义分类器训练、安全和故障排除。

许可证：Creative Commons BY‑NC‑SA 4.0（仅限非商业用途）。模型权重根据原始 BirdNET 和 Perch 许可证提供。

tphakala/birdnet-go