Ech hu Monate laang probéiert, en Vugel am Gaart z’identifizéieren. Ech hunn eng Alexa-Skill gebaut, fir dat net méi eng Kéier maachen ze mussen.
E Pärchen gréng Villercher ass all Moien um selwechten Drot opgetaucht, no bei mengem Haus. Ech war sécher, datt et keng Maritacas waren — d’Gréisst war anescht, de Kaméidi war anescht. Mä ech wousst hiren Numm net.
Dat huet Monate gedauert. Ech hunn op WikiAves gesicht, wat a Brasilien eng Referenz ass an eng excellent Aarbecht — mä fir en Ufänger wéi mech war d’Quantitéit un Informatioun méi erschreckend wéi nëtzlech. Ech wousst d’richteg Begrëffer net, fir ze filteren. Ech wousst net, ob “gréng mat engem roude Fleck um Flillek” en exotesche Sabiá (brasilianesch Drossel) oder e gewéinleche Psittacid war. Duerno hunn ech et erausfonnt: et waren Maracanã-Sittecher.
An dann ass d’Ironie komm, déi alles ugestouss huet: ech wollt nokucken, wéi hiren Ruff kléngt, fir et ze confirméieren, an ech hunn erausfonnt, datt Psittaciden kee standardiséierten Ruff hunn. De Gesang, deen ech als Beweis wollt benotzen, existéiert einfach net a klassifizéierbarer Form. Den Challenge war schonn a mengem Kapp.
D’éischt Iddi war falsch (an onethesch)
Mäi ursprénglechen Plang war, d’Alexa ze benotzen, fir d’Gezwitscher vun de Villercher ronderëm ze lauschteren an se iwwer den Audio z’identifizéieren. Zwee Problemer hunn déi Iddi am selwechten Dag ëmbruecht:
D’Alexa hëlt nëmme mënschlech Stëmm op. Si lauschtert net op d’Ëmfeld — de Mikro ass fir geschwat Kommandoen optimiséiert. Hannergrondgeräischer si Kaméidi, kee Signal. Et gëtt kee “Lauschtermodus”, deen ech aktivéiere konnt.
Villercher mat Playback unzelackelen ass eng bedenklech Praxis. De Gesang vun enger Aart ofzespillen, fir se unzelackelen, verursaacht territorialen Stress, kann Villercher vun hire Nester ewech dreiwen a stéiert d’Reproduktioun. D’IN ICMBio 14/2018 (brasilianesch Richtlinn fir Naturschutz) an de CEMAVE (brasilianesch Zentrum fir Vulbestëmmung) roden dovunner of. Wéi ech dat erausfonnt hunn, hunn ech d’Iddi ouni ze zécken ewechgeworf.
Also ass d’Skill eppes anescht gi: amplaz “nimm op, wat Dir héieren hutt”, ass et “beschreift, wat Dir gesinn hutt” gi. Dir rett mat der Alexa a natürlecher Sprooch — Faarf, Gréisst, wou e war, Form vum Pick — a si gëtt Iech déi wahrscheinlechst Aarten zréck.
De Stack: Python, Bayes a véier oppe Datebanken, déi net mateneen reden
D’Alexa ass net grad en intelligenten Apparat. Si erkennt Stëmm a rifft eng Funktioun an der Cloud op. All d’Intelligenz läit an engem Lambda (Python) op AWS, an d’richteg Aarbecht war, véier Datebanken, déi net gebaut goufe fir mateneen ze reden, zu enger kohärenter Äntwert ze bréngen.
AVONET (Tobias et al. 2022, CC BY 4.0) huet standardiséiert morphologesch Mierkmaler fir méi wéi 11 Tausend Aarten — vun dohier kommen déi 7 Attributer, déi d’Skill aus Ärer Beschreiwung erauszéit: Haaptfaarf, Zweetfaarf, Gréisst iwwer en Ankerpunkt, Ëmfeld, Positioun, Pick a Schwanz.
GBIF huet Virkommesdaten vu Villercher a Brasilien. Ech hunn déi Daten als bayesianeschen Prior benotzt: wann Dir a São Paulo sidd an “grousse grénge Vugel” beschreift, da weit de Scorer déi Aarten méi staark, déi tatsächlech an der Regioun virkommen (Radius vun 30 km, mat op mannst 20 Opzeechnungen). Bem-te-vi (brasilianesche Tyrann) virun enger rare Aart mat der selwechter Beschreiwung.
xeno-canto huet déi richteg Opnamen vun de Gesäng. An hei kënnt eng Entscheidung, déi fir mech net optional war: ech konnt mech net einfach un d’Audioen uschléissen, ouni deen ze creditéieren, deen opgenomm huet. Bei all Reproduktioun gesäit een den Numm vum Opnämer, d’Lizenz (CC BY-NC-SA 4.0) an d’Nummer vun der Opnam am Archiv. Python huet sech als ganz gutt erwisen, fir déi Audioen ofzehuelen a souwuel Aarten wéi Auteuren programmatesch z’organiséieren.
Han et al. 2025 (CC0) ergänzt mat Daten iwwer Gefiederfaarwen, déi AVONET net deckt.
De Slot-Typ AMAZON.SearchQuery op pt-BR hëlt fräi Ried op — “ech hunn e giele Vull mat schwaarze Flilleke um Buedem am Gaart gesinn” kënnt komplett als Text eran an de Parser zéit d’Attributer eraus. Et gëtt kee Menü, et gëtt kee “sot 1 fir d’Faarf”. Dir rett sou, wéi Dir mat engem Frënd rede géift.
D’Zuelen, ouni eppes z’erfannen
1.627 Aarten aus ganz Brasilien. 1.014 mat enger richteger xeno-canto-Opnam. D’Datebank huet mat 390 Aarten aus der Regioun São Paulo ugefaang a gouf erweidert, fir all brasilianesch Biome ze decken.
Simuléiert Genauegkeet mat realistesche Stéierungen (onkomplett Beschreiwungen, falsch Attributer, regional Synonymen): de richtege Vugel erschéngt bei ~54% vun de Fäll ënner den éischten 3 Virschléi. Dat sinn net 90%. Dat ass, wat d’Modell haut mat oppenen Daten an engem Parser, dee fräi Ried akzeptéiert, liwwert. D’Transparenz iwwer déi Zuel ass méi wichteg wéi se no uewen ze ronden.
Et gëtt och e Gesang-Quiz: d’Skill spillt eng richteg Opnam a Dir probéiert, déi Aart z’erroden. Richteg gerode, da zielt si de Score. Falsch gerode, da verréit si, wéi eng et war, a spillt se nach eng Kéier, fir datt Dir se verbanne kënnt. Dat ass eng Manéier, d’Ouer ze trainéieren, ouni am Terrain ze sinn.
An de gréisste Flaschenhals an der Ingenieursaarbecht war net de Scorer — et war d’Alexa Developer Console. Eng Alexa-Skill ze testen ass e luesen Prozess, mat Deployen, déi daueren, Logen, déi hanne nokommen, an enger Interface, déi wéineg Leit beherrschen. Wien schonn fir Alexa entwéckelt huet, weess dat. Wien net entwéckelt huet, wäert et erausfannen.
Wat d’Skill NET mécht (bewosst)
Si nimmt de Toun vum Vugel net op — d’Alexa kann dat net. Si spillt keng Gesäng am Loop of, fir Villercher unzelackelen — dat ass onethesch. Si huet keng Notzungsmetriken, well se grad eben publizéiert gouf. Si huet keng Notzerzeegnisser, well ech näischt erfannen. WikiAves, xeno-canto, GBIF an AVONET si creditéiert Quellen, keng Partner.
All Reproduktioun vun engem Gesang kënnt mat engem Hinweis op verantwortleche Playback. Eemoleg Reproduktioun, kontrolléiert Volumen, Credit fir den Opnämer, Hinweis op d’Reproduktiounszäit. Dat ass kee Feature — dat ass eng Flicht.
D’Invitatioun: testen, briechen, verbesseren
De Code ass MIT an d’Repository ass ëffentlech: github.com/jvitorcarvalho/aves-do-brasil-alexa.
Ech wëll, datt d’Leit Spaass domat hunn. Datt si de Gesang vum Urutau entdecken, wat eng vun de kuriéisste Saachen ass, déi Dir je héieren wäert. Datt si en Vugel am Gaart identifizéieren an et dem Frënd beim Mëttegiessen erzielen. Datt en Entwéckler aus Manaus d’Repository hëlt an d’Priors fir d’Amazonasgebitt kalibréiert. Datt en Ornitolog déi populär Nimm korrigéiert, déi vum GBIF kommen a wahrscheinlech Feeler hunn.
Haut deckt d’Skill ganz Brasilien — 1.627 Aarten, 1.014 mat Opnam. Et ass Plaz do.
Fir ze testen: “Alexa, maach Aves do Brasil op”. Si ass gratis, ouni Reklamm, ouni Datensammlung.
Fir matzemaachen: maacht eng Issue op, schéckt e PR, oder sot mer, datt den populäre Numm vum Tico-tico (brasilianesche Grondammer) bei Iech anescht ass. Alles hëlleft.
Entwéckelt vun Evolutiva Negócios Digitais (João Monlevade/MG). Quellen: AVONET (Tobias et al. 2022, CC BY 4.0), GBIF (CC0), xeno-canto (CC BY-NC-SA 4.0), Han et al. 2025 (CC0), WikiAves (ëffentlech Konsultatioun). Playback-Hinweis no der IN ICMBio 14/2018 an de CEMAVE-Richtlinnen.
Dacks gestallte Froen
Wéi identifizéiert d’Skill Aves do Brasil en Vugel iwwer eng geschwate Beschreiwung?
D’Skill benotzt e bayesianeschen Scorer, deen 7 Attributer aus Ärer Ried — Faarf, Gréisst, Ëmfeld, Positioun, Pick, Schwanz an Zweetfaarf — mat morphologesche Daten vun 1.627 brasilianesche Aarten kräizt. D’Datebank kënnt vun AVONET (Tobias et al. 2022), ergänzt duerch Virkommesdaten vum GBIF, fir déi wahrscheinlechst Aarten an Ärer Regioun ze weien. Dir beschreift a natürlecher Sprooch, wat Dir gesinn hutt, a kritt déi Aarten, déi am beste mat der Beschreiwung passen.
Spillt d’Skill Gesäng of, fir Villercher unzelackelen?
Nee. D’Skill spillt richteg xeno-canto-Opnamen nëmmen eemol pro Ufro of, mat kontrolléiertem Volumen a Credit fir den originalen Opnämer. Gesäng am Loop ofzespillen, fir Villercher unzelackelen, verursaacht territorialen Stress a kann d’Reproduktioun stéieren — eng Praxis, vun där d’IN ICMBio 14/2018 an de CEMAVE ofroden. All Reproduktioun kënnt mat engem Hinweis op verantwortleche Playback.
Wéi hoch ass d’Trefferquote vun der Identifikatioun iwwer d’Stëmm?
A Simulatioune mat realistesche Stéierungen (onkomplett Beschreiwungen, falsch Attributer, regional Synonymen) erschéngt de richtege Vugel a ronn 54% vun de Fäll ënner den éischten 3 Virschléi. Déi Zuel spigelt d’aktuell Leeschtung mat oppenen Daten an engem Parser fir fräi Ried. D’Skill ronnt keng Metriken of — d’Transparenz iwwer d’Limitatioune ass bewosst.
Ass d’Skill Aves do Brasil gratis a sammelt se perséinlech Daten?
D’Skill ass gratis, ouni Reklamm an ouni Sammele vu perséinleche Daten. De Code ass Open Source ënner MIT-Lizenz, verfügbar am ëffentleche Repository. D’benotzte Datebanken (AVONET, GBIF, xeno-canto, Han et al. 2025) si all oppen an uerdentlech creditéiert.
Kann ech bei der Skill mathëllefen oder populär Vulnimm korrigéieren?
Jo. D’Repository hëlt Issues a Pull Requests un — Bäiträg vun Ornitologen, Entwéckler a Vulbeobachter si wëllkomm. Regional populär Nimm, déi vun de GBIF-Opzeechnungen ofwäichen, kënne direkt korrigéiert ginn. D’aktuell Datebank deckt 1.627 Aarten aus Brasilien an 1.014 mat richteger Opnam, mä et gëtt Plaz fir regional Kalibrage an Erweiderung.