編輯推薦：
此前研究對狨猴（Callithrix jacchus）發聲的分析受限于采樣率和標注不足。為解決此問題，研究人員構建大型狨猴發聲數據庫。他們獲取超 80 萬條、253 小時的 96kHz 采樣數據，約 21.5 萬條標注發聲類型，為相關研究提供重要資源。
在動物交流的神秘世界里，非人類靈長類動物作為人類的近親，它們豐富多樣的發聲信號就像一把把神秘的鑰匙，或許能為我們打開理解語言進化的大門。其中，普通狨猴（Callithrix jacchus）因其在神經科學研究中的重要地位，成為眾多科學家關注的焦點。然而，過往對狨猴發聲的研究卻困難重重。一方面，傳統音頻錄制設備的采樣率較低，無法完整覆蓋狨猴 125Hz - 36kHz 的聽力范圍，導致許多重要的聲學信息丟失；另一方面，已有的數據集標注數量不足，難以滿足深度學習（Deep Learning）等先進分析方法對數據量的需求。而且，大部分手動標注的發聲數據未公開共享，嚴重阻礙了相關研究的深入發展。
為了突破這些困境，來自法國艾克斯 - 馬賽大學（Aix - Marseille University）拉蒂莫內神經科學研究所（La Timone Neuroscience Institute）和信息與系統實驗室（Laboratoire d’Informatique et Systèmes）的研究人員展開了一項具有開創性的研究。他們精心打造了一個大型的普通狨猴發聲注釋數據集，這項研究成果發表在《Scientific Data》上，為該領域的發展帶來了新的曙光。
在研究過程中，研究人員運用了多種關鍵技術方法。首先，在數據采集方面，他們在隔音的動物飼養設施中，使用頻率響應為 20Hz - 50kHz 的麥克風，以 96kHz 的采樣率，持續 40 個月記錄了約 20 只狨猴的發聲，獲取了長達 997 小時的原始音頻數據。其次，在數據處理與標注環節，他們結合信號處理和深度學習工具，通過檢測、基于聚類的標注和迭代標簽細化三個步驟，對大量的發聲數據進行處理。利用卷積自動編碼器（Convolutional Auto - encoder）和 UMAP 降維算法等技術，實現了對發聲類型的自動標注和分類 。
研究結果
- 構建大型數據集：經過一系列處理，研究人員成功獲取并分割出超過 800,000 個狨猴發聲文件，總時長達到 253 小時。其中，約 215,000 個發聲被標注了具體的發聲類型，涵蓋了嬰兒哭聲（Infant cry）、Phee、Seep、Trill、Tsik 和 Twitter 等常見類型135。
- 驗證數據集準確性：為確保數據的可靠性，研究人員從數據集中選取 700 個具有代表性的錄音，邀請四位獨立專家進行交叉檢查。經檢驗，發聲類型識別的平均錯誤率為 9.43%，證明了數據集具有較高的準確性和一致性2。
- 開發可視化工具：為方便用戶進一步探索數據集，研究人員開發了 Marmaudio Explorer 這一交互式可視化界面。它可以展示發聲的低維投影，用戶能夠通過該界面選擇感興趣的點，查看相應發聲的頻譜圖，并保存相關元數據和頻譜圖圖像4。
研究結論與討論
這項研究意義重大。從進化角度來看，通過對狨猴發聲的深入研究，有助于我們理解語言在進化過程中的發展機制。例如，研究某些叫聲類型是否經常一起出現，能為探討物種間交流差異提供線索 。從神經科學層面，該數據集為利用深度學習研究狨猴發聲的皮質處理機制提供了豐富的數據支持。此前，由于缺乏足夠的數據，訓練基于深度學習的模型來研究猴子發聲的皮質處理與模型學習表示之間的相似性難以實現，而本研究的數據集使得這一研究成為可能 。此外，利用標注數據訓練分類器，還能為在自然環境中被動監測狨猴發聲提供有力工具，盡管模型可能需要遷移學習以適應不同的聽覺環境，但這無疑為相關研究開辟了新的方向 。
然而，該研究也存在一定的局限性。數據集中缺乏發聲者的身份信息和發聲時的具體情境，這限制了對發聲中編碼信息以及發聲發展過程（如嬰兒與成年叫聲類型的相似性）的研究。未來的研究可借助能夠捕捉這些信息的監測系統加以完善�？傮w而言，這項研究為靈長類動物發聲研究搭建了重要的平臺，雖然還有待改進，但已為后續更深入的探索奠定了堅實基礎，有望在動物交流、神經科學和語言進化等多個領域引發新的研究熱潮 。
