Un Shazam para identificar el canto de aves

Científicos de la Universidad Queen Mary de Londres han encontrado una manera exitosa de identificar sonidos de aves procedentes de grandes colecciones de audio. Esto podría ser útil para expertos y aficionados observadores de aves por igual. Algo parecido a la popular aplicación 'Shazam' para 'smartphones'.

El análisis utilizó grabaciones de aves individuales y de los coros del amanecer para identificar características de los sonidos de las aves. Aprovechó grandes conjuntos de datos de grabaciones de sonido proporcionados por la Fonoteca de la Biblioteca Británica, y fuentes en línea tales como el archivo holandés llamado Xeno Canto.

En su publicación en la revista PeerJ, los autores describen un enfoque que combina características de aprendizaje - una técnica de análisis automático - y un algoritmo de clasificación, para crear un sistema que pueda distinguir entre las aves presentes en una gran base de datos.

"La clasificación automática de sonidos de aves es útil cuando se trata de comprender la cantidad y el tipo de aves que pueda haber en un solo lugar", comentó el autor principal, Dan Stowell, de la Escuela de Ingeniería Eléctrica y Ciencias de la Computación y el Centro de QMUL de música digital.

Stowell fue recientemente galardonado con una prestigiosa beca de cinco años desde el Consejo de Investigación de Ingeniería y Ciencias Físicas (EPSRC) para desarrollar procesos computarizados para detectar múltiples sonidos de aves en grandes conjuntos de grabaciones de audio.

"Los cantos de los pájaros tienen mucho en común con el lenguaje humano, a pesar de que se desarrollaron por separado. Por ejemplo, muchos pájaros cantores pasan por etapas similares de aprendizaje vocal como lo hacemos nosotros, a medida que crecen, lo que los hace interesantes para el estudio. A partir de ellos podemos entender más sobre cómo evolucionó el lenguaje humano y la organización social en grupos de animales ", dijo Stowell.

Y agregó: "La atracción del análisis totalmente automático es que podemos crear una base de pruebas muy grande para hacer frente a estas grandes preguntas."

El sistema de clasificación creado por los autores tuvo un buen desempeño en un concurso público a través de un conjunto de miles de grabaciones con más de 500 especies de aves de Brasil. El sistema fue considerado como el clasificador de audio de mejor rendimiento.