适合对外怎么说
“我们用声音和场景线索判断宠物可能处于什么状态”，比“翻译宠物语言”更稳健、更可信。
PettiChat / Pet Bioacoustics / Product Framing
宠物“翻译”的可落地路径，是先识别声音背后的状态与场景。
这页把 PettiChat 案例改写成更适合对外沟通的技术说明：准确率对应的是声音检测和情境分类，不是逐句翻译；真正可靠的产品表达，应把声学特征、行为场景和保守解释放在一起。
94.6%
猫声音情境分类准确率
更准确的说法：模型在识别“声音对应哪类情境”，再由产品层转成用户能理解的解释。
准确率代表什么
94.6%/92.3% 是猫狗声音情境分类指标；98.6% 是复杂噪声下的宠物声音检测指标。
产品边界是什么
输出应是“可能在请求关注/处于警戒/压力较高”等解释，而不是声称直接读出宠物的完整想法。
Accuracy, carefully framed
把指标拆开讲，可信度会比“翻译准确率”更高
94.6% · 猫声音情境分类
用专家检查过的猫叫情境数据做分类，标签包括攻击/敌对、社交亲近、请求/急迫、压力、呼噜/休息等。
94.6%
Signal叫声、呼噜、低吼、哈气等声音片段
Feature音高、响度、节奏、粗糙度、音色
Context食物、隔离、警戒、玩耍、休息、压力
Explain保守解释：可能、倾向于、建议观察
Acoustic emotion cues
哪些声音特征能和情绪/状态对应？
声音最擅长判断“唤醒度/紧张程度”，比如急不急、强不强、稳不稳定；单靠声音判断“开心、害怕、生气、撒娇”会不稳定，需要结合场景、姿态和个体基线。
References
论文与参考入口
DogSpeak: A Canine Vocalization Classification Dataset
PDF · DOI 10.1145/3746027.3758298 · Hugging Face: ArlingtonCL2/DogSpeak_Dataset
A Dataset and Taxonomy for Urban Sound Research
PDF · DOI 10.1145/2647868.2655045 · UrbanSound8K
Feline vocal communication
猫叫、呼噜、哈气、低吼等声音类型与沟通场景综述
Acoustic parameters of dog barks carry emotional information
Pongrácz 等关于狗叫音高、粗糙度、叫声间隔与情绪感知的研究
Available datasets
公开数据集能支撑“状态/情境识别”，但还不能直接支撑逐句翻译
Practical product route
更适合对外的产品路线：分类、解释、置信度，而不是神化翻译
- 先做声音检测和分割：确认录音里是否有宠物声音，并尽量过滤电视、车流、人声等干扰。
- 再做声音类型与声学特征：区分 bark、growl、whine、meow、purr、hiss，并提取 F0、RMS、节奏、HNR、MFCC 等特征。
- 再做情境分类：结合时间、位置、视频姿态、主人互动，把声音映射到求食、隔离、警戒、玩耍、休息、压力等标签。
- 最后做用户解释：用“可能/倾向/建议观察”的口吻表达，不把标签包装成确定的宠物独白。
- 长期路线是个体化：每只宠物建立自己的基线，因为同样的高音、呼噜或急促叫声，在不同个体和场景下含义可能不同。