BirdNET-Go：把树栖，变成一张实时音景地图

想象一个清晨：阳光刚爬上窗台，后院的鸟巢里传来第一声鸣叫。你打开手机或电脑，一个安静的 Web 界面正在实时显示——此刻窗外有乌鸫在歌唱，远处的池塘边传来了黑水鸡的叫声，而更高处，一只普通鸮正从午夜的栖息地发出低沉的呼唤。这不是幻想，这是 BirdNET-Go 正在做的事。

BirdNET-Go 是一款自托管的实时生物声学分析引擎，由开发者 Tomi P. Hakala 主导维护。它的核心使命是：把任何能捕捉声音的设备——树莓派、NAS、服务器——变成一座永不停歇的鸟类监听站，用本地 AI 模型在本地完成识别，全程不上传任何数据。

项目 Logo，识别超过 6,500 种鸟类

背景：从 Cornell 的实验室到后院的树莓派

BirdNET 的根基可以追溯到康奈尔鸟类学实验室。2019 年，K. Lisa Yang 生物声学保护中心与开姆尼茨工业大学合作，推出了 BirdNET——一个基于 TensorFlow 的深度学习模型，通过鸟鸣声识别鸟类物种。这个项目最初面向专业研究用途，部署在科研级服务器上，普通人很难触及。

2021 年，社区开发者将 BirdNET 移植到树莓派上运行，诞生了 BirdNET-Pi 项目。这条开源分支迅速在自然爱好者中传播开来——人们开始在后院、花园、甚至阳台上部署录音设备，24 小时不间断地监听周围的鸟类动态。2023 年，Tomi P. Hakala 在 BirdNET-Pi 的基础上发起了一个更野心勃勃的重构项目：BirdNET-Go，用 Go 语言重写了整个后端，引入更现代的工程实践、更丰富的 AI 模型支持，以及一个完全重写的 Svelte 前端界面。

Web 控制台，实时显示频谱图与物种检测结果

核心能力：多模型并行，本地推理

BirdNET-Go 最显著的特性是多模型 Gallery：用户可以在 Web UI 中直接安装和切换不同的 AI 分类模型，无需重新编译代码。目前支持的模型包括：

• BirdNET v2.4（默认，内嵌 TFLite 模型）：覆盖超过 6,500 种鸟类
• Google Perch v2（ONNX 格式）：覆盖 14,795 个物种
• BattyBirdNET：覆盖 11 个区域蝙蝠模型
• BirdNET Geomodel v3.0：基于地理位置范围过滤
• 自定义分类器：用户可导入自己的 TFLite 模型

多个模型可以对同一路音频流并行运行，跨模型置信度共识机制提升识别准确性。

部署体验：一条命令搞定

项目提供 install.sh 一键脚本、Docker 多架构镜像（amd64/arm64）、各平台预编译二进制、Podman 和 Unraid 支持。

技术架构：Go 后端 + Svelte 5 前端

后端 internal/ 按功能模块划分（analysis/api/audiocore/classifier/detection/datastore/ebird 等）。前端 Svelte 5 + TypeScript，Go 二进制嵌入前端资源实现单一分发。

告警与集成

内置规则引擎，支持 Discord/Slack/Telegram/ntfy/MQTT 等多渠道推送。与 BirdWeather.com 深度集成。

局限与挑战

默认 BirdNET 模型误报率在城市后院场景不低；CC BY-NC-SA 4.0 禁止商业使用；树莓派多模型推理性能受限；ONNX Runtime 需额外安装。

行业意义

代表公民科学民主化和边缘 AI 推理工程成熟度两个趋势。任何有树莓派的人都能建鸟类观测站。

如果你从事生物多样性调查，BirdNET-Go 是目前最值得一试的开源自托管方案。