技能介绍

要解决什么问题

用户手里是一段野外录音、监控设备导出的 WAV，或是手机拍的带鸟叫视频，想知道「这是什么鸟」。纯靠耳朵和图鉴费时，且夜间连续鸣叫、宽频环境噪声很容易把人带偏。本技能把声学识别落在本地脚本上：用康奈尔实验室 BirdNET v2.4 做 6522 类 logits 推理，Agent 主要负责选参数、读结论和展示语谱图，而不是在对话里反复跑大模型猜种。

技能如何工作

输入：常见音频（wav/mp3/m4a 等）与视频（mp4/mov 等）；脚本自动抽音轨，无需手拆。
推理：固定 3s @ 48kHz 窗口，用 tf.lite.Interpreter 直接推理（避免 model.predict() 在沙箱里卡死）。首次运行会从网络拉取约 50MB 模型到 BIRDNET_APP_DATA。
地理与季节：--region cn 用动态属级权重表调制置信度，而不是硬删候选；配合 --month 对候鸟做粗粒度季节折扣。对中国监测场景，不开地理过滤容易把噪声打成高置信度的「幽灵种」。
盲区补充：--rhythm 用包络自相关找稳定脉冲节律，针对夜鹰 churring、啄木鸟敲击等 BirdNET 连续发声盲区，只给类群线索，不定种。
省 token：日常识别优先 --report，脚本内完成属级归并与分级，Agent 转述即可；批量用 batch.py 只加载一次模型，并输出带 priority_tier 的 CSV 便于标注排队。
核验：spectro.py 生成语谱图，鸟鸣多在 2–8kHz，与 Top 候选交叉核对。

边界与注意点

地理权重按属而非种，同属跨大陆种无法靠权重区分。noise_confusable_species.csv 与地理权重表职责分离：前者只在结论里提示「历史上噪声易误判该 label」，不能用来压低地理权重。节律检测无法声源分离，重叠强前景会干扰。Xeno-canto 下载与 GBIF 校准是独立辅助工具，需用户自备 API key 或联网，不替代识别主流程的离线能力。剪映等重编码视频置信度常偏低，需结合语谱与分布常识人工复核。