声音模式
叫声频率、时长、节奏、强度和个体声学基线。
BIAA / PROJECTS / BABEL
NEXT · 即将开设
BIAA Babel
AI 宠物语言翻译器
结合声音、姿态、表情、活动规律和环境背景，探索宠物情绪与需求识别。系统输出概率、证据和不确定性，不把动物行为包装成人类语言的逐句翻译。
01 / SCIENTIFIC POSITION
不是读心术，
而是多模态行为解释。
单独一声叫声通常不足以判断需求。Babel 计划把声学特征与耳朵、尾巴、身体姿态、活动变化、时间和环境事件共同分析，给出“可能紧张、想互动或存在异常”的分级提示。
项目必须先限定一个物种、一个场景和少量可观察标签。犬与猫、个体与群体、家庭与诊所数据不能直接混用。
项目尚未启动，不能替代兽医诊断，也不会承诺逐句翻译宠物语言。
FIRST SPECIES犬或猫，尚待选择
不同物种必须有独立行为学框架。
FIRST LABELS少量可观察状态
例如休息、互动、回避或异常活动，不直接标注复杂“想法”。
OUTPUT概率 + 证据 + 其他解释
明确模型可能不知道或需要专业评估。
STATUS问题与数据伦理定义
尚无自建数据集或公开模型结果。
02 / MULTIMODAL SYSTEM
姿态与动作
耳尾位置、身体张力、接近回避、步态和活动变化。
环境背景
时间、地点、人物、其他动物、声音、喂养与既往事件。
证据化解释
状态概率、支持信号、冲突证据、其他可能性和行动建议。
03 / OUTPUT, NOT TRANSLATION
系统应该说“可能”，
也应该说“不知道”。
设计重点是帮助照料者观察变化，而不是给宠物配上拟人化台词。
检测事件
发现叫声、姿态或活动相对个体基线发生变化。
收集背景
结合时间、地点、近期喂养、访客和环境刺激。
比较解释
给出多个候选状态，而不是只输出一个确定标签。
展示证据
说明哪些声音、动作和背景支持或反对判断。
建议下一步
观察、提供选择、远离刺激或在异常持续时联系专业人员。
04 / DATA PRINCIPLES
高质量标签，
不能靠人为制造痛苦。
动物状态标签需要行为学定义、多人一致性和场景记录。采集过程不得为了获得“害怕、疼痛、攻击”等数据而诱发伤害。
标注可观察行为
优先记录动作和环境事件，谨慎推断主观情绪。
建立个体基线
同一信号在不同品种、年龄、经历和健康状态下含义可能不同。
不诱发高风险状态
使用自然发生、专业监督和最低干预的数据采集方式。
同时保护家庭隐私
宠物音视频也会包含家庭成员、位置和日常活动。
05 / STARTUP ROADMAP
物种与标签定义
与兽医、行为学和真实照料者共同选择少量可观察状态。
小型多模态数据集
采集自愿、自然发生并有背景记录的声音和视频。
个体基线模型
比较通用模型与个体适应，保留不确定性校准。
照料者观察研究
测试输出是否帮助观察，而不是增加误解或延误就医。
06 / VALIDATION METRICS
标注一致性
不同专业人员对可观察行为与场景标签的一致程度。
待建立基线跨个体表现
品种、年龄、家庭和设备变化下的性能下降。
待建立基线概率校准
输出 70% 时是否在相似条件下接近真实发生频率。
待建立基线拒绝判断能力
证据不足、冲突或超出训练分布时能否明确不确定。
待建立基线照料者理解
用户能否正确解释概率、证据和行动建议。
待建立基线动物福利影响
采集和使用是否增加压力、错误互动或延误专业处理。
待建立基线07 / ETHICAL BOUNDARIES
不替代兽医
异常、疼痛或持续行为变化应由专业人员评估。
避免拟人化确定结论
“它在生气”必须拆成可观察信号、概率和其他解释。
数据偏差
单一品种、家庭或设备数据不能代表所有宠物。
避免用于惩罚或强迫
系统不应成为为人类偏好强制纠正动物正常行为的工具。
宠物真的有可以逐句翻译的“语言”吗？
动物会通过声音、姿态、气味和行为交流，但目前不能把这些可靠地逐句映射成人类语言。Babel 更准确的方向是情境化行为识别。
只录声音可以判断情绪吗？
通常不足。声音需要与姿态、活动、个体基线和环境事件结合。
为什么要显示多个可能解释？
相同叫声或回避行为可能来自陌生人、疼痛、兴奋、疲劳等不同原因。展示备选解释能减少错误确定性。