BirdNET-Go

BirdNET-Go 是一款用于持续性鸟类监测与识别的 AI 解决方案。

• 全天候实时分析声卡采集的鸟鸣，分析结果可输出至日志文件、SQLite 或 MySQL 数据库。
• 使用经过超过 6500 种鸟类数据训练的 BirdNET AI 模型。
• 支持本地处理，无需互联网连接。
• 提供易于使用的 Web 用户界面，用于数据可视化。
• 支持超过 40 种语言的物种名称。
• 具备高级功能，如 深度检测 以提升准确性，以及 实时音频流。
• 集成 BirdWeather.com API。
• 实时日志文件输出可用作 OBS 中的叠加层，适用于鸟食台直播等场景。
• 运行时依赖极少，BirdNET TensorFlow Lite 模型已嵌入编译后的二进制文件中。
• 提供用于 Prometheus 数据抓取的端点。
• 支持 Windows、Linux 和 macOS 系统。
• 资源占用低，可在 Raspberry Pi 3 及同等性能的 64 位单板计算机上运行。

安装

适用于 Debian、Ubuntu 和 Raspberry Pi OS 系统的快速安装脚本：

curl -fsSL https://github.com/tphakala/birdnet-go/raw/main/install.sh -o install.sh
bash ./install.sh

开发环境搭建

面向希望贡献或从源码构建的开发者：

更多详情请参阅 CONTRIBUTING.md。

# 克隆仓库
git clone https://github.com/tphakala/birdnet-go.git
cd birdnet-go

# 安装 Task（如果尚未安装）
# Linux: sh -c "$(curl --location https://taskfile.dev/install.sh)" -- -d -b /usr/local/bin
# macOS: brew install go-task（假设已安装 Homebrew）

# 搭建开发环境（基于 apt 的 Linux 或使用 Homebrew 的 macOS）
task setup-dev

# 构建项目
task

# 启动带有热重载功能的开发服务器
task dev_server # 或 "air realtime"

setup-dev 任务将自动安装：

• Go 1.25
• Node.js LTS
• 构建工具（gcc、git、wget 等）
• golangci-lint（Go 代码检查工具）
• air（Go 语言热重载工具）
• 前端依赖项和 Playwright 浏览器

Web 控制面板

有关详细的安装说明，请参阅 安装文档。为确保您的 BirdNET-Go 安装安全，请参阅 安全文档。有关最佳性能的推荐硬件，请参阅 硬件指南。

更多详细的使用文档请参见 Wiki。

社区

加入我们的 Discord 服务器，获取支持、参与讨论并了解 BirdNET-Go 的最新动态！

相关项目

核心与扩展

• BirdNET-Analyzer - 上游项目，提供用于鸟类声音识别的 BirdNET AI 模型。
• BirdNET-Go Classifiers - 包含额外物种的增强型 BirdNET 分类器。

系统集成

• Cockpit BirdNET-Go - 基于 Cockpit 框架的 BirdNET-Go Web 管理插件。

迁移工具

• BirdNET-Pi2Go - 用于从 BirdNET-Pi 迁移到 BirdNET-Go 的数据库转换工具。

硬件解决方案

• BirdNET-Go ESP32 RTSP 麦克风 - 基于 ESP32 的 RTSP 流媒体麦克风，用于远程音频采集。
• ESP32 音频流媒体 - 作为 BirdNET-Go 音频输入的替代性 ESP32 RTSP 流媒体解决方案。
• M5Stack Atom Echo RTSP 麦克风 - 适用于 M5Stack Atom Echo 的 RTSP 音频流媒体服务器，无需焊接。

贡献

想参与贡献吗？ 我们欢迎社区的每一位贡献者！🎉

有关全面的贡献指南、开发环境搭建及工作流程文档，请参阅 CONTRIBUTING.md。

贡献者快速入门

有经验的开发者 可在 5 分钟内开始：

git clone https://github.com/tphakala/birdnet-go.git && cd birdnet-go
task setup-dev  # 一条命令即可完成所有安装（Go、Node.js、工具、Git 钩子）
air realtime    # 开始开发，享受热重载

初次接触该项目？ 在 贡献指南 中，您将找到：

• 📋 TL;DR 快速入门 - 5 分钟即可完成设置。
• 🔧 自动化环境搭建 - task setup-dev 将为您处理一切。
• 📖 开发工作流程 - 热重载、Git 钩子、测试。
• ⚖️ 许可与隐私 - CC BY-NC-SA 4.0 许可，隐私设计原则。
• 💬 Discord 社区 - 获取帮助并讨论功能。

所有贡献必须遵循：

• ✅ 隐私设计原则。
• ✅ 代码质量标准（通过 Git 钩子自动执行）。
• ✅ CC BY-NC-SA 4.0 许可条款。

完整详情请参阅 CONTRIBUTING.md。

数据来源

分类学数据

BirdNET-Go 包含基于 eBird/Clements 名录的嵌入式分类学数据：

• 来源：eBird API v2
• 版权：© 康奈尔鸟类学实验室
• 许可：根据 eBird API 使用条款，仅限非商业用途
• 署名：分类学数据由 eBird.org 提供
• 用途：无需调用 API 即可快速进行本地属/科查询
• 覆盖范围：2,374 个属、254 个科、11,145 个物种

如需了解更多关于 eBird 分类学的信息，请访问 eBird 分类学。

许可证

知识共享 署名-非商业性使用-相同方式共享 4.0 国际版

作者

托米·P·哈卡拉

贡献者：汉普斯·卡尔松、扬·弗尔斯卡、@twt--、@aster1sk、@hoover67

如果您发现自己的名字未被列入贡献者名单，请告知我们！

BirdNET 人工智能模型由康奈尔鸟类学实验室 K. Lisa Yang 保护生物声学中心与开姆尼茨工业大学合作开发。参与人员包括：斯特凡·卡尔、康纳·伍德、马克西米利安·艾布尔、霍尔格·克林克。

BirdNET 标签翻译由帕特里克·莱文为帕特里克·麦圭尔的 BirdNET-Pi 项目完成。

BirdNET-Go 快速上手指南

BirdNET-Go 是一个基于 AI 的鸟类声音监测与识别工具，支持 24/7 实时分析声卡输入，本地运行无需联网，并提供易用的 Web 管理界面。

环境准备

系统要求

• 操作系统：Linux (Debian/Ubuntu/Raspberry Pi OS), Windows, macOS
• 硬件建议：
  • 最低配置：树莓派 3 或同等性能的 64 位单板计算机
  • 推荐配置：4GB+ 内存，多核 CPU（用于并发处理）
• 网络：运行时不需要互联网连接（模型已嵌入二进制文件），但安装时可能需要下载资源。

前置依赖

对于普通用户，官方提供的一键安装脚本会自动处理大部分依赖。 对于开发者或从源码构建，需要手动安装以下工具：

• Go 1.25+
• Node.js LTS
• 基础构建工具 (gcc, git, wget 等)
• Task (任务运行器)

安装步骤

方法一：一键安装（推荐 Linux/树莓派用户）

适用于 Debian、Ubuntu 和 Raspberry Pi OS 系统。运行以下命令自动下载并安装：

curl -fsSL https://github.com/tphakala/birdnet-go/raw/main/install.sh -o install.sh
bash ./install.sh

注意：国内用户若下载缓慢，可尝试配置代理或使用国内镜像加速 curl 请求。

方法二：源码构建（开发者）

如果你希望贡献代码或自定义编译：

# 1. 克隆仓库
git clone https://github.com/tphakala/birdnet-go.git
cd birdnet-go

# 2. 安装 Task 运行器 (如未安装)
# Linux:
sh -c "$(curl --location https://taskfile.dev/install.sh)" -- -d -b /usr/local/bin
# macOS (需 Homebrew):
# brew install go-task

# 3. 设置开发环境 (自动安装 Go, Node.js, lint 工具等)
task setup-dev

# 4. 编译项目
task

# 5. 启动带热重载的开发服务器
task dev_server

基本使用

安装完成后，BirdNET-Go 通常作为后台服务运行，并通过 Web 界面进行配置和监控。

1. 启动服务 如果是通过一键脚本安装，服务通常会自动启动。若需手动启动二进制文件：

   ./birdnet-go
   # 或者在开发模式下
   air realtime
   

2. 访问 Web 仪表盘 打开浏览器访问默认地址（通常为 http://localhost:8080 或你在配置中指定的端口）。

3. 配置音频输入

   • 进入 Web 界面的 Settings (设置)。
   • 选择你的音频输入设备（声卡或 USB 麦克风）。
   • 调整灵敏度阈值以过滤背景噪音。
   • 保存配置，系统将开始实时分析鸟鸣并记录到 SQLite/MySQL 数据库或日志文件中。

4. 数据查看与导出

   • 在仪表盘查看实时识别结果和统计图表。
   • 支持将日志输出为 OBS 覆盖层，用于直播推流。
   • 提供 Prometheus 接口供监控系统抓取数据。

详细的高级功能（如深度检测、音频流推送）请参考项目 Wiki 文档。