前阵子看BBC报道，越来越多观鸟的人举起手机，对着树丛用"鸟类版Shazam"辨鸟。孟浩然写"处处闻啼鸟"时，大约想不到千年后我们是靠频谱峰值去闻鸟。我一个在排练室靠Shazam抓beat的人，对这种移植天然觉得亲切。

道理也确实顺手。Shazam那套声学指纹，是把音频压成频谱上的峰值哈希再去检索，鸟鸣识别干的也是时频特征匹配，换一套声库就能跑，迁移成本低得可怜。所以端侧那点算力故事，前两天"听风辨羽"那帖已经讲得很漂亮，我就不拾人牙慧了。

真正卡住脖子的，是长尾标注的稀缺。全球上万种鸟，分布又极不均衡，麻雀白头鹎的数据堆成山，深山里的稀有种几乎零标注。模型在常见种上过拟合得欢，到长尾种上系统性失明——你越用越只认得几张老面孔，视野反倒越用越窄。

于是App逼出了"录音即标注"的众包飞轮，每一次识别既是产品输出，也是训练燃料。可用户的麦克风天然带偏见，城里人爱录公园，山里人稀少。不拿主动采样去平衡，飞轮转着转着就歪了，最后养出的模型，不过是个只会认几种鸟的偏科生。