TECH TRANSFER · 音豆紀
讓聲音成爲可觀察的信息
把一段段真實的聲音，變成可記錄、可分段、可理解的信息。
音豆紀 · 微信小程序
從一段錄音，走近聲音研究
音豆紀圍繞人體聲音的記錄、分段與聲學信息呈現開展探索：從心音、呼吸音到嬰兒哭聲，研究如何給聲音打上時間標籤、提取聲學特徵，並以普通人能讀懂的方式解釋結果。
音豆紀已上線微信小程序：打開微信，搜索「音豆紀」即可使用；開放模塊以小程序當前版本爲準。
概念示意 · 非產品界面
聲音記錄
時間分段
聲學信息解讀
01 · WHY SOUND
聲音爲何值得研究
聲音是機械振動在介質中的傳播：聲源使介質粒子偏離平衡位置，粒子間的彈性作用把擾動逐層傳遞，形成疏密相間的縱波。頻率決定音調，聲壓級決定響度，波形與頻譜則攜帶了聲音的"長相"。
不同的聲源會留下不同的聲學指紋：心音由瓣膜關閉產生，有明確的時頻特徵；呼吸氣流在氣道中產生層流與湍流；喉部聲帶振動產生基頻，再經聲道共振形成我們能分辨的語音。這些差異正是"從聲音讀信息"的物理基礎。
把聲音記錄下來之後，時域和頻域分析能把一段錄音變成可比較的數字：時長、基頻、能量、譜質心等等。研究者據此提出假設、驗證方法——這也是音豆紀探索的出發點：讓聲音的記錄和分析，不再只屬於裝備昂貴的實驗室。
02 · SOUND MAP
聲音研究地圖
音豆紀的聲音內容覆蓋人體聲音、動物聲音與自然聲景三個方向；所列爲研究內容，不等於小程序已上線的檢測功能。
這 8 項是「聲音類型 × 研究應用」的組合：兩項屬於嗓音的不同研究應用，呼吸音與咳嗽合爲一項。
深讀：從錄音到可比較的特徵
聲音記錄之後，常用的分析維度包括：時域（時長、峯值、包絡）、頻域（基頻 F0、共振峯、譜質心）以及發聲穩定性指標（基頻微擾、振幅微擾、諧噪比）。這些特徵在不同聲源上的含義不同——心音關注 S1/S2 的時間位置，呼吸音關注吸氣/呼氣階段劃分，嗓音關注振動質量。
研究方法上，經典流程是"採集 → 特徵提取 → 模型分類/分割 → 與參考標準對照"。音豆紀相關研究已在心音、呼吸音、嬰兒哭聲三種聲音上完成時間標籤自動分割方法的構建與驗證（見「研究案例」）。
動物聲音內容按用途可分爲三類：生態監測（鳥、野生動物）、伴侶動物健康觀察（貓、狗）、畜牧養殖管理（豬、牛、羊、禽類等）。
深讀：動物聲音研究的三個層次
聽見——在什麼環境裏錄到目標聲音：圈舍、野外或家庭，麥克風距離、環境噪聲、採樣率共同決定錄音質量。分辨——從混合聲景中把目標個體或事件分出來：物種識別、發情/應激/疼痛等狀態觀察。解釋——把聲學差異與生理或行爲狀態關聯，並說明適用範圍與侷限。
自然聲景研究關注聲音與環境的關係：棲息地質量評估、季節與晝夜節律、噪聲對生物通訊的影響。白噪聲與人體放鬆反應也是其中的研究線索（相關論文見「研究來源與常見問題」）
03 · HOW TO USE
使用指南
任務怎麼選、怎麼錄、結果長什麼樣——三步，快速瞭解使用流程。
進入
打開微信，搜索「音豆紀」即可進入。
入口錄聲音
在小程序內選擇聲音任務，按頁面提示錄製；不同任務對距離、時長和環境的要求以任務頁說明爲準。
體驗看結果
完成後在小程序內查看分段與結果呈現；五種結果形式見下節說明。
體驗04 · RESULTS
結果解讀：五類結果怎麼看
音豆紀的結果以五種形式呈現，每種結果裏重點看什麼：
| 結果類型 | 重點看什麼 |
|---|---|
| TXT 報告 | 記錄項與標籤含義、數值單位；對照任務說明閱讀。 |
| 靜態圖片 | 波形/頻譜的座標軸（時間、頻率）與標註對應的聲段。 |
| 動態圖片 | 哪個元素隨時間變化、與原始聲音如何對應。 |
| Excel 數據 | 每行代表什麼（一個週期/一個事件）、每列字段與單位。 |
| PDF 報告 | 報告結構、結果區與解釋；結果屬於信息呈現，不是診斷結論。 |
想看真實效果，直接在微信小程序裏跑一個任務最快。
05 · ONLINE TOOLS
在線應用與智能分析
圍繞"聲音的記錄與研究"，線上工具的方向是：讓採集、整理、呈現的鏈路在瀏覽器裏即可完成一部分工作。
聲音任務管理
按聲音類型組織錄音、標註與整理，支持研究資料的縱向積累。
方向分段與特徵呈現
在時間軸上呈現自動分段結果與聲學特徵，輔助人工複覈。
研究已驗證實驗輔助
實驗設計、隨機化與數據整理等研究輔助工具，與音豆紀主系統配合使用。
相關工具06 · RESEARCH CASES
研究案例
以下三項研究已在同行評審期刊發表，是音豆紀"聲音時間標籤自動分割"方向已驗證的工作。內容依據論文摘要與本地全文證據整理；研究結果屬於學術成果，不等同於音豆紀產品已實現的功能，更不能用於個體疾病診斷。
給心音自動打時間標籤
研究構建並驗證了心音的自動時間標籤分割方法：對單個心動週期進行分割，識別第一心音（S1）與第二心音（S2），並以指脈氧儀測得的心率作爲驗證參考。
證據：本地論文全文（摘要與發表日期已核）· 爲方法學驗證研究，不構成診斷工具。
呼吸音的吸氣與呼氣分段
研究納入 84 名患者，用電子聽診器在六個胸部標誌位採集呼吸音，構建並驗證了吸氣/呼氣階段的自動分割方法，並比較了不同疾病背景下的差異。
證據：本地論文全文 · 論文致謝成都智矩數據科技有限公司提供 professional discussion（專業討論）。
嬰兒哭聲的自動時間標籤分割
研究分析 226 段嬰兒哭聲音頻，構建了吸氣/呼氣階段的自動分割方法，並提取時長、頻率與強度特徵，比較早產與足月背景下的差異。注：226 爲音頻片段數。
證據：本地論文全文 · 論文致謝成都智矩數據科技有限公司提供 professional discussion（專業討論）。涉及嬰幼兒，傳播中不作篩查/診斷類表述。
07 · SOURCES & FAQ
研究來源與常見問題
與音豆紀方向直接相關的研究
- 心音自動時間標籤分割方法的構建與驗證 · Frontiers in Artificial Intelligence (2024) · doi.org/10.3389/frai.2023.1309750
- 呼吸音時間標籤自動分割方法 · The Clinical Respiratory Journal (2025) · doi.org/10.1111/crj.70124
- 嬰兒哭聲自動時間標籤分割方法 · BMC Pediatrics (2025) · doi.org/10.1186/s12887-025-06071-z
- 白噪聲對前額葉皮層的鎮靜效應（fNIRS 隨機對照研究）· Noise & Health (2025) · doi.org/10.4103/nah.nah_88_24
- 深部磁刺激對睡眠剝奪後心腦軸的影響 · Frontiers in Neuroscience (2025) · doi.org/10.3389/fnins.2024.1464299