北京
每年1.4億新生兒，哭聲是唯一的語言，父母只能靠猜。一位新手父親這樣描述第一周："她哭，我喂；又哭，我換；再哭，我完全不知道錯(cuò)在哪。"
這個(gè)困境催生了ROO——全球首個(gè)多模態(tài)嬰兒哭聲分析與回應(yīng)系統(tǒng)，底層跑的是Gemma 4。
現(xiàn)有應(yīng)用如CryAnalyzer、ChatterBaby、AYA，全是2019-2022年間用CNN分類器做的。App Store評(píng)論區(qū)一片哀嚎："只會(huì)說餓了。"它們能檢測(cè)哭聲，但無法理解。
ROO做了三件競(jìng)品沒做的事：同時(shí)分析聲學(xué)特征和面部表情；用科學(xué)匹配的安撫音和母聲回應(yīng)；內(nèi)置12首合成曲目+云端真實(shí)音樂，凌晨三點(diǎn)不用翻YouTube。
技術(shù)卡點(diǎn)在于Gemma 4的音頻模型（E2B、E4B）專為端側(cè)部署設(shè)計(jì)，公開推理接口尚未開放。開發(fā)者換了個(gè)思路：讓模型"看見"哭聲而非聽見。
梅爾頻譜圖把音頻轉(zhuǎn)成二維圖像——橫軸時(shí)間、縱軸頻率、亮度代表能量強(qiáng)度。ROO用Web Audio API在瀏覽器本地生成這張圖，父母能實(shí)時(shí)看到寶寶的哭聲模式。饑餓、疼痛、困倦，每種需求在頻譜上呈現(xiàn)截然不同的視覺紋理。
前端用SvelteKit 5，托管在Cloudflare Pages；推理走Gemini API/OpenRouter；音頻采集靠MediaRecorder，安撫播放用Web Audio API和Cloudflare R2存儲(chǔ)；母聲回應(yīng)調(diào)用Web Speech API。會(huì)話歷史存localStorage，服務(wù)端零日志。
目前部署在roo.risingranks.in，支持PWA安裝。免費(fèi)額度耗盡時(shí)分析會(huì)延遲10-20秒，UTC早間配額重置后恢復(fù)。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
