Key points are not available for this paper at this time.
Résumé Les dispositifs d'enregistrement audio ont considérablement évolué au cours des 50 dernières années, rendant plus facile l'obtention de grands ensembles de données d'enregistrements de sons naturels, tels que les chants d'oiseaux. Cette augmentation des enregistrements numériques nécessite une augmentation des méthodes d'analyse à haut débit pour les chercheurs. Plus particulièrement, il existe un besoin dans la communauté de méthodes open source adaptées à des enregistrements de qualités variées et provenant de plusieurs espèces collectées dans la nature. Nous avons développé Chipper, un logiciel basé sur Python pour semi-automatiser à la fois la segmentation des signaux acoustiques et l'analyse subséquente de leurs fréquences et durées. Pour les enregistrements aviens, nous fournissons des widgets pour déterminer au mieux les seuils appropriés pour le bruit et la similarité des syllabes, qui aident à calculer les mesures des notes et à déterminer la syntaxe des chants. De plus, nous avons généré un ensemble de chants synthétiques avec divers niveaux de bruit de fond pour tester la précision, la répétabilité et la reproductibilité de Chipper. Chipper offre un moyen efficace de générer rapidement des mesures quantitatives et reproductibles des chants d'oiseaux. L'interface graphique multiplateforme permet à l'utilisateur d'ajuster les paramètres et de visualiser le spectrogramme et la segmentation du signal résultants, fournissant une méthode simplifiée pour analyser les enregistrements de terrain. Chipper rationalise le traitement des enregistrements audio avec plusieurs outils conviviaux et est optimisé pour plusieurs espèces et des qualités d'enregistrement variées. En fin de compte, Chipper soutient l'utilisation des données de science citoyenne et augmente la faisabilité des études à grande échelle sur les chants d'oiseaux de multiples espèces.
Searfoss et al. (Mon,) ont étudié cette question.