Träna en modell för ljudklassificering

Precis som med bilder kan en modell lära sig skilja ljud åt: ett klickljud mot ett knäpp, ett «ja» mot ett «nej», eller en specifik maskinljud mot en annan.

Så går det till:

1. Spela in många korta exempel av varje ljud (minst 20 per klass, 1–2 sekunder).
2. Ta även med bakgrundsljud som en egen klass — annars klassas tystnad som något av ljuden.
3. Träna.
4. Testa med nya inspelningar som modellen inte hört.

Modellen ser inte ljudet som du hör det — den ser vågen som tal, ofta omgjord till en bild (spektrogram) som den behandlar som en bildmodell.

Experiment med tre klasser (Teachable Machine har ett ljudläge):

Klass	Antal exempel
klick	25
knäpp	25
bakgrund	25

Testa sedan medvetet svåra fall:

• Klicka längre bort från mikrofonen.
• Klicka med musik i bakgrunden.
• Låt någon annan klicka.

De flesta modeller tappar rejält på alla tre. Varför? Alla träningsexempel spelades in nära, i tyst rum, av samma person. Modellen lärde sig inspelningssituationen, inte bara ljudet.

Samla om med variation och mät igen. Det är samma lärdom som med bilder — men den känns tydligare med ljud.