Fugleramme：結合即時本地 AI 與 19 世紀插畫的 Raspberry Pi 電子紙鳥類相框

Fugleramme 的功能及其重要性

Fugleramme 將環境中的鳥鳴聲轉化為一座活生生的藝術畫廊：麥克風將音訊傳送至開源的 BirdNET-Go 分類器，該分類器完全在 Raspberry Pi 上運行。每當偵測到鳥類物種時，系統便會將其渲染為 19 世紀的歷史插畫，並顯示在 Inky Impression 電子紙顯示器（或僅限網頁的資訊站）上。此系統展示了低成本邊緣 AI 如何在不依賴雲端服務的情況下，創造出具體且美觀的體驗。

核心架構

音訊偵測 – USB 麥克風將音訊串流至 BirdNET-Go，這是一個在本地運行的神經網路，負責輸出物種名稱。

插畫管線 – Fugleramme 會輪詢 BirdNET-Go API，將每個物種與預先整理好的公有領域圖版剪裁圖進行比對，移除背景，並將圖像排列在虛擬的 A4 頁面上。體型較大的鳥類會被放置在中心，並根據實際體重（源自 AVONET 數據）進行縮放。

顯示邏輯 – 合成後的頁面會被發送到 Inky Impression 13.3 吋電子紙面板。該面板僅在偵測到的鳥類組合發生變化時才會刷新，並使用六色抖動技術來保留原始藝術作品的質感。平行運行的網頁資訊站會在 :8080 提供相同的視圖，並在 :8080/admin 提供管理介面。

選擇性 – 電子紙面板並非必要；該軟體可以在 Docker 容器中以無頭模式（headless）運行，並將拼貼畫顯示在任何 HDMI 螢幕或遠端裝置上。

藝術品收藏

Fugleramme 內建了 800 多個剪裁圖，涵蓋 400 多個物種，全部取自斯堪地那維亞、英國和中歐的自然歷史圖版。這些素材完全屬於公有領域（「經典」系列採用 CC BY-SA 4.0），並經過人工篩選——未使用任何 AI 生成的藝術作品，儘管部分圖像已使用 AI 工具進行了輕微修飾。

「這個專案的一半意義在於展示一些令人驚嘆的公有領域自然歷史插畫。超過 800 個剪裁圖涵蓋了 400 多個物種，每一個都取自真實的圖版，並為此專案進行了人工篩選（沒有藝術作品是 AI 生成的，儘管有些經過了 AI 修飾）。」 – @author comment

目前對北歐、不列顛群島和德國的物種覆蓋最為完整；未來計劃擴展至更廣泛的歐洲和北美地區。

入門指南

Raspberry Pi 安裝（單行指令）

curl -fsSL https://raw.githubusercontent.com/arnegiacomo/fugleramme/main/install.sh | bash

該腳本會提示輸入 BirdNET-Go 的位置、複製儲存庫、安裝依賴項並註冊 systemd 服務。在全新的作業系統安裝中，可能需要重新啟動。

開發模式（無需硬體）

uv sync                     # 建立虛擬環境
uv run fugleramme-fake-detector   # 在 8090 連接埠啟動虛擬 BirdNET-Go
uv run fugleramme-dev            # 在 8080 連接埠啟動具備熱重載功能的服務

Docker 部署

docker run -d -p 8080:8080 \
  -v fugleramme:/data \
  -e FUGLERAMME_DETECTOR_URL=http://birdnet.local:8080 \
  ghcr.io/arnegiacomo/fugleramme

容器會將數據持久化在 /data 中，並在 http://<host>:8080 暴露資訊站介面。

社群回饋與生態系統

該專案在 Hacker News 上獲得了 2,189 次點讚 和 245 則評論，顯示出強烈的社群興趣。
評論者稱讚了 AI 與傳統藝術的結合、低成本硬體，以及其作為個人禮物或商業產品的潛力。
幾位使用者指出 13 吋電子紙面板的高昂價格（約 £229）是一個門檻，而其他人則建議使用替代顯示器或重新利用現有的電子紙裝置。
一個反覆出現的主題是希望擴大物種覆蓋範圍，以及增加如個別鳥類識別或與其他智慧家庭顯示器整合等擴充功能。
一些使用者指出了先前的相關作品（例如 Theodore R. AvianVisitors）並要求標註來源；作者在評論中承認了這些靈感來源。

授權與標註

程式碼 – MIT 授權。
鳥類偵測 – BirdNET-Go 模型採用 CC BY-NC-SA 4.0（非商業用途），並標註了康乃爾鳥類學實驗室（Cornell Lab of Ornithology）和開姆尼茨工業大學（Chemnitz University of Technology）。
插畫 – 大多數為 CC BY-SA 4.0；每個風格資料夾都包含一個 ATTRIBUTION.md，連結回原始圖版。
字型 – SIL OFL 1.1。
鳥類體型數據 – AVONET 體重數據集，CC BY 4.0。
分類學別名 – OpenFauna 映射，CC BY-SA 4.0。

組裝或購買相框

作者已經組裝了幾個預製相框，並邀請有興趣的人士與他聯繫。硬體物料清單包括 Raspberry Pi 5、Inky Impression 13.3" 電子紙面板、麥克風和 A4 尺寸的相框；完整的零件清單和替代方案記錄在儲存庫的 docs/hardware.md 中。

重點總結

Fugleramme 展示了本地 AI 推論可以在不依賴雲端服務的情況下，驅動令人愉悅的低功耗物聯網體驗。
透過將即時聲學分類與公有領域自然歷史藝術相結合，該專案在現代機器學習與歷史科學插畫之間架起了一座橋樑。
開源性質、Docker 支援和詳細的文件降低了愛好者、教育工作者和創客複製或擴展該系統的門檻。
社群的興趣顯示出市場對於以美學為導向、AI 增強型居家顯示器的需求，這可能引領出結合賞鳥、藝術與智慧家庭整合的商業產品。