Pachete de sunete personalizate — Cum să-ți construiești și să importi ale tale

Vigilant Ear poate învăța sunete noi. Un pachet de sunete personalizat învață aplicația să recunoască sunete pe care detectorul încorporat al Apple nu le cunoaște — păsările tale locale, o mașină anume de la lucru, soneria ciudată de pe holul clădirii. Antrenezi un model mic pe un Mac (fără programare), îl comprimi într-un zip cu două fișiere mici de text și îl imporți pe iPhone.

Pachetele personalizate se stivuiesc peste detectorul încorporat. Pornirea unui pachet nu oprește niciodată nimic altceva — sirenele, alarmele și orice alt sunet de siguranță continuă să meargă exact ca înainte.

Îți trebuie: un Mac cu aplicația Create ML din Xcode (gratuită), înregistrări audio ale sunetelor tale și Power Pack+ pe iPhone (perioada de probă gratuită contează).

Cerințe stricte — respectă-le la literă

Un pachet care ignoră oricare dintre astea se va importa, dar se va comporta urât (alarme false constante, sau nimic detectat). Nu sunt sugestii:

1. Include o clasă Background — obligatorie, nu opțională. Modelul tău trebuie să aibă o clasă antrenată pe mediile tale reale de ambient (cameră liniștită, stradă, ventilatorul pornit). Umple-o cu 15+ înregistrări reale și marcheaz-o cu "category": "ignored" și "threshold": 1.1 în profiles.json. Fără o clasă Background, pachetul tău se va declanșa constant pe tăcere — un clasificator de sunete e forțat să aleagă una dintre clasele sale pentru fiecare moment de audio, așa că fără un coș „niciuna dintre astea” etichetează camera ta liniștită ca orice îi seamănă cel mai mult.
2. Taie tăcerea din clipurile de antrenare. Un clip etichetat „Owl” care e 20 de secunde de tăcere cu un singur huhurit învață modelul că tăcerea e o bufniță. Decupează clipurile strâns pe sunetul-țintă, altfel modelul învață golurile.
3. Numește fișierul modelului exact model.mlmodel sau model.mlpackage. Orice alt nume → importul eșuează.
4. Folosește un model Create ML Sound Classification. Modelele imagine/text/tabelare sunt respinse.
5. Cheile din profiles.json trebuie să se potrivească exact cu etichetele de clasă ale modelului — adică numele dosarelor tale de antrenare, inclusiv majuscule și underscore.
6. Adaugă gateClasses (vezi mai jos). Fără el, muzica și TV-ul vor declanșa pachetul. Ăsta e de departe cel mai mare control al alarmelor false.
7. Comprimă fișierele la nivelul de sus (sau într-un singur dosar — nu mai adânc). pack.json trebuie să poată fi găsit.
8. Echilibrează clasele. Nu da unei clase 100 de clipuri și alteia 10 — modelul se va înclina spre cea mare. Limitează clasele eșantionate generos astfel încât numărătoarele să fie în ~3× una față de alta.

Restul acestui ghid trece prin fiecare dintre astea, în ordine.

Pasul 1 — Adună audio-ul de antrenare

Fă un dosar pentru fiecare sunet pe care vrei să-l recunoști, numit după acel sunet, și umple-l cu înregistrări de exemplu:

TrainingData/
  Mourning_Dove/        ← 20+ clipuri de turturele
  House_Finch/          ← 20+ clipuri de cinteze de casă
  Background/           ← 20+ clipuri din ambientul tău FĂRĂ sunetele

Sfaturi care fac o diferență reală:

• Include întotdeauna o clasă Background. Modelul trebuie să eticheteze fiecare moment de audio ca ceva — fără o clasă de fundal, tăcerea și zgomotul de stradă sunt împinse în clasele tale reale și vei vedea alarme false. Înregistrează locurile în care vei folosi de fapt pachetul: curtea, hala, bucătăria.
• Numele dosarelor devin etichetele pe care le arată aplicația (underscore-urile se transformă în spații: Mourning_Dove → „Mourning Dove”). Poți suprascrie numele afișate mai târziu în profiles.json.
• Mai multă varietate bate mai multă lungime: distanțe diferite, ore ale zilei și condiții de fundal. Clipuri de câteva secunde fiecare sunt bune.
• Formatele obișnuite merg (.m4a, .wav, .mp3, .aiff).

Pasul 2 — Antrenează modelul în Create ML

1. Deschide Create ML (pe un Mac cu Xcode: meniul Xcode → Open Developer Tool → Create ML) și creează un proiect nou Sound Classification.
2. Trage dosarul TrainingData în Training Data.
3. Apasă Train. Câteva sute de clipuri se antrenează în minute.
4. Verifică tab-ul de acuratețe — dacă o clasă scoate scor slab, are nevoie de mai multe clipuri sau de clipuri mai variate.
5. Pe tab-ul Output, apasă Get și salvează modelul ca model.mlmodel (sau model.mlpackage — ambele merg). Numele fișierului trebuie să fie exact model.mlmodel sau model.mlpackage.

Pasul 3 — Scrie pack.json

Un manifest mic care descrie pachetul:

{
  "id": "com.example.pack.socalbirds",
  "name": "SoCal Birder's Companion",
  "version": "1.0",
  "author": "Your Name",
  "classes": ["Mourning_Dove", "House_Finch", "Background"],
  "gateClasses": ["bird", "bird_vocalization", "bird_chirp_tweet", "pigeon_dove_coo", "crow_caw"]
}

• name e obligatoriu — e ce apare în lista de pachete a aplicației.
• id identifică pachetul pentru actualizări: reimportul unui pachet cu același id înlocuiește versiunea veche pe loc. Orice șir unic în stil reverse-DNS merge.
• classes e doar documentație. Aplicația citește lista adevărată de clase din modelul însuși, așa că o nepotrivire nu strică nimic (e doar notată în jurnal).
• gateClasses (opțional, puternic recomandat) e cea mai eficientă unealtă pentru a opri falsele pozitive. Vezi mai jos.

gateClasses — lasă modelul Apple să-ți fie portar

Modelul tău e un specialist: e bun la a spune care dintre sunetele tale le aude, dar n-are idee ce e „niciunul dintre sunetele mele” (de-asta ajută clasa Background). Clasificatorul încorporat Apple e un generalist antrenat pe ~300 de sunete de zi cu zi — e foarte bun la întrebarea grosieră „e o pasăre, da sau nu?”

gateClasses le înlănțuie: detecțiile pachetului tău sunt raportate doar când modelul Apple aude în același timp una dintre categoriile încorporate listate. Un pachet de păsări se poartă pe etichetele de păsări Apple, astfel încât dacă Apple nu crede că e o pasăre, pachetul tău tace — oricât de sigur ar fi. Linia asta singură elimină marea majoritate a alarmelor false de muzică, TV și cameră liniștită, pentru că modelul Apple le notează cu mult sub poartă. Las-o afară și pachetul rulează fără poartă (bine pentru teste, vorbăreț în lumea reală).

Poarta e disponibilă doar când Apple are deja o categorie aproape de sunetul tău. Dacă pachetul tău e pentru ceva ce modelul Apple de ~300 de clase nu cunoaște — o mașină anume de fabrică, un bip de dispozitiv medical, o sonerie personalizată — nu există o etichetă încorporată pe care să pui poartă, așa că lași gateClasses afară și pachetul rulează fără poartă. Asta e de așteptat, nu o greșeală. Pentru acele pachete, clasa Background nu mai e o apărare printre mai multe, ci singurul lucru care stă între tine și alarme false constante — deci investește greu în ea (multe înregistrări reale de ambient) și ridică pragurile pe clasă.

Filtrează un pachet de păsări pe etichetele generice Apple de păsări plus orice specifice pe care modelul tău le poate numi de fapt: bird, fowl, bird_vocalization, bird_chirp_tweet, bird_squawk, bird_flapping — și, dacă pachetul tău are specia potrivită, crow_caw și pigeon_dove_coo. Alte tipuri de pachet își aleg propriile porți din lista completă de identificatori de sunet încorporați din anexa de mai jos — de ex. un pachet de rase de câini se filtrează pe dog_bark/dog_howl, un pachet de vehicule pe engine/truck.

muteClasses — lasă Apple pe sunetele pe care modelul tău nu le poate numi

gateClasses deschide pachetul tău când Apple crede că e o pasăre. Dar Apple poate numi anume unele păsări pe care modelul tău poate să nu le acopere — o rață, o gâscă, o bufniță, un curcan, o găină sau un cocoș. Dacă Apple aude o rață și pachetul tău n-are clasă de rață, modelul tău va forța acel măcăit în specia cea mai apropiată și o va numi cu încredere pasărea greșită. Asta e o identificare greșită, nu o alarmă falsă din tăcere — și gateClasses singur n-o oprește, pentru că o rață declanșează și poarta generică bird.

muteClasses o repară: când Apple e sigur pe una dintre aceste etichete, pachetul tău tace pentru acel moment și lasă apelul specific al Apple. Listează etichetele încorporate pentru sunetele pe care nu le acoperi:

"muteClasses": ["owl_hoot", "duck_quack", "goose_honk", "turkey_gobble", "chicken", "chicken_cluck", "rooster_crow"]

Regulă de bază: o etichetă specifică Apple de pasăre merge în gateClasses dacă modelul tău are o clasă potrivită (sau mai bună) pentru ea, și în muteClasses dacă n-are. Tot ce poate numi Apple și tu nu → mutează-l, și lasă Apple să aibă dreptate.

Pasul 4 — Scrie profiles.json (opțional, recomandat)

Asta controlează cum arată și se simte fiecare sunet în aplicație — o intrare pe clasă, cheiată după numele exact de dosar/etichetă:

{
  "Mourning_Dove": {
    "displayName": "Mourning Dove",
    "hapticCount": 1,
    "emergencyTier": "none",
    "category": "animal",
    "icon": "bird",
    "color": "teal",
    "threshold": 0.5,
    "maxRange": 150
  },
  "House_Finch": {
    "displayName": "House Finch",
    "hapticCount": 1,
    "category": "animal",
    "icon": "bird"
  },
  "Background": {
    "category": "ignored",
    "threshold": 1.1
  }
}

Fiecare cheie e opțională — omite orice și se aplică un implicit rezonabil:

Clasa ta Background are nevoie de intrarea specială arătată mai sus: "threshold": 1.1 o face imposibil de raportat (încrederea nu trece niciodată de 1.0), astfel încât absoarbe în tăcere audio-ul de ambient în loc să apară vreodată ca o detecție. Nu o omite pur și simplu — o clasă nelistată tot primește pragul implicit 0.5 și ar apărea în aplicație ca un sunet generic.

Pasul 5 — Comprimă în zip

Selectează cele trei fișiere — pack.json, profiles.json, model.mlmodel — click dreapta și Compress. Comprimarea dosarului care le conține merge și ea; aplicația se uită un dosar în adâncime.

MyPack.zip
├── pack.json
├── profiles.json
└── model.mlmodel

Du zip-ul pe iPhone cum vrei: AirDrop, iCloud Drive, Mail, Messages.

Pasul 6 — Importă pe iPhone

1. Deschide Vigilant Ear → meniul rotiță → Power Pack+.
2. Derulează la Pachete de sunete personalizate (BYOM) și atinge Importă pachet personalizat (.zip).
3. Alege zip-ul în navigatorul Files.

Pachetul apare în listă cu numărul de sunete, deja LIVE. De aici poți:

• LIVE / OFF — comută pachetul fără să-l ștergi. Oprit costă zero baterie.
• Șterge — pornește un countdown de 5 secunde (atinge din nou ca să anulezi), apoi scoate pachetul complet.
• Importă câte pachete vrei; toate rulează alături de detectorul încorporat. Fiecare pachet live extra costă ceva baterie, deci oprește pachetele pe care nu le folosești.

Sunetele detectate apar ca oricare altele: un punct pe hartă cu iconița și culoarea ta, numele afișat în alerte și hapticul configurat.

Câteva comportamente încorporate de știut: detecțiile pachetelor personalizate nu sunt retransmise către peer-urile mesh Constellation (celelalte telefoane n-au pachetul tău instalat), iar sunetele de pachet cer două detecții consecutive înainte de alertă, ceea ce filtrează falsele pozitive de un cadru.

Depanare

Actualizarea unui pachet

Reantrenează sau editează, comprimă din nou și importă din nou cu același id în pack.json — versiunea veche e înlocuită pe loc.

Appendix: Built-in Sound Identifiers (iOS 26.5)

Astea sunt categoriile de sunet încorporate pe care le poate recunoaște clasificatorul Apple Sound Analysis de pe dispozitiv — etichetele disponibile pentru gateClasses și muteClasses de mai sus. Apple nu mai publică lista asta pe site-ul de dezvoltatori, așa că tabelul de mai jos a fost citit direct din clasificatorul de pe dispozitiv (SNClassifierIdentifier.version1).

Clasificări cunoscute în iulie 2026 (iOS 26.5) — 303 etichete. Apple poate adăuga, scoate sau redenumi astea în orice actualizare de OS, deci tratează asta ca un instantaneu la un moment dat: poarta pe o etichetă pe care un OS viitor o scapă înseamnă pur și simplu că poarta nu se declanșează niciodată (pachetul tău tace), iar o etichetă nou adăugată nu există până n-o pui pe poartă. Folosește ortografia exactă arătată (minuscule, underscore).

© 2026 Wingdings, Inc.
Toate drepturile rezervate.
Mai multe brevete în curs de obținere