有大量关于声音分类的文献，其中可能的匹配项是现代世界中发现的任何声音（例如：http ://projects.csail.mit.edu/soundnet/ ）。这个问题的不同之处在于它仅限于搜索少数特定的声音，在本地录制和训练。这个问题是关于编写一个移动应用程序的可行性，该应用程序将记录和转换一小组声音（例如，少于 10 个），然后能够“收听”并识别这些声音。
在这个类似的、未回答的 SO question中，作者以门铃的声音为例。我的示例会有所不同，因为我想对狗的发声进行分类。我可能会定义“fido bark”、“rover bark”、“fido whine”、“rover whine”，所以当应用程序处于训练模式时有四个按钮。然后狗会发出声音，人类用户会对每种声音进行分类。然后应用程序将切换到聆听模式，如果某只狗发出某种声音，应用程序将匹配声音并显示哪只狗，以及发生了哪种声音。
在没有外部处理的情况下，在典型的移动设备上编写应用程序（例如上述应用程序）是否可行？如果是这样，怎么做？
这是可行的。我发现一篇使用 Core ML 和 Skafos 库将基于声音的鸟类分类模型部署到 iOS 的文章：Detecting Bird Sounds with Create ML, CoreML3, and Skafos。
所以它也可以用狗来完成，假设你有数据，然后是一个训练有素的模型。
为了使用移动设备对音频执行分析，需要与离线分析相同的技术（通常发现：频谱图、频移、CNN 分类器、集成），但在移动设备的资源和时间限制更多的限制下。
训练模型的过程可能最好离线完成，然后才能将模型部署到移动设备上。在移动设备上，通常有允许图像匹配/比较的有效方法（库）。通过将音频转换为光谱仪，可以利用这些相同的比较技术。
更具体地说，此处描述了使用 TensorFlow 进行离线训练并部署到 Android：Net Guru 博客文章：使用机器学习进行音频分类 - 在移动设备上实现。那篇文章还描述了将模型部署到 iOS 所需的更复杂的步骤。此外，jlibrosa是一个开源库，可帮助实现音频处理的一些步骤。
Vasanthkumar Velayudham 写了几篇文章，这将是开始了解该领域应用程序前景的好地方，例如heartbeat.fritz.ai和medium.com