NoiseScout 使用 AI 技术自动对噪声进行分类，帮助用户快速便捷地识别噪声源以便及时采取行动。系统能区分不同声音，如语音，机械声，交通噪声等，为噪声管理提供颇具价值的洞察。

文字描述可以让用户对导致警报的可能原因一目了然，降低了重听录音的必要。

如何工作

NoiseScout 通过打分系统判断噪声和既定分类的相关性。这个分数不仅仅是简单的百分比，而是由一套相当复杂的算法决定。这里还涉及一套训练好的音频事件分类系统。它能找到**匹配，并根据 10 秒的音频文件中可识别的不同类别的数量计算分数。

NoiseScout 范例：AI 噪声分类毫无疑问，低分并不意味着结果不**，而是反映了模型对特定分类的信心程度与其它可能性相比更低。有时还存在能得到更高分数的更高一级的分类。

在下面的例子中 ...

火车：24

铁路运输：25

交通工具：60

... AI 可能认为某个特定的声音是火车声，但同时又认为这个声音来自铁路运输（火车显然也属于这类）并给出更高分数。但从更宽泛的角度看，这些*终都属于交通工具，系统也给出了*高分。从这一系列打分中我们可以断定，噪声来自火车。

省力省时

通过 AI 大数据分类，用户重听音频事件的必要性大大降低，节约了数据后处理的时间。当然，音频文件随时可用，便于进一步分析。整个噪声测量和处理的过程都被简化，让你的工作更加高效。