YAMNet 不能检测特定的声音

Description

我们使用 YAMNet 模型进行实时环境声音检测。

我们在两个实现中测试了相同类型的 狗叫音频：

• Android： Kotlin 实现
• Windows：使用 @mediapipe/tasks-audio 的 Electron 应用程序

在 Android/Kotlin 实现中，YAMNet 正确识别了狗叫声音，并将其分类为特定的 狗叫类别。

但是，当通过 @mediapipe/tasks-audio在 Windows 的 Electron 应用程序中使用 YAMNet 时，相同类型的狗叫声音不会被特定地分类。相反，它通常被分类为通用标签，例如：

动物
野生动物

例如，我们看到以下结果：

[Noise Check] 通用顶部：动物（得分：0.67）
[Noise Check] 通用顶部：野生动物（得分：0.59）
[Noise Check] 通用顶部：动物（得分：0.33）

预期行为

在检测相同的狗叫声音时，Electron 实现应生成与 Android/Kotlin 实现类似的特定分类。

实际行为

Android/Kotlin 实现检测到 狗叫，而 Electron/Windows 实现则倾向于将相同类型的声音分类为更通用的 动物或 野生动物类别。

问题

1. 为什么 Android/Kotlin 实现可以生成特定的 狗叫预测，而 Electron/Windows 实现只能生成通用的 动物预测？
2. 这种差异是否可能是由于 Android/Kotlin 和 Web/Electron 之间的音频输入管线的差异造成的，例如采样率、采样点数、采样时间等？