
BirdNET
Vogelstimmen einfach erkennen
Kostenlos
Wie können Computer lernen, Vögel anhand ihres Gesangs zu erkennen? Das Forschungsprojekt BirdNET setzt künstliche Intelligenz und neuronale Netze ein, um Computer darin zu trainieren, mehr als 3.000 der häufigsten Vogelarten weltweit zu identifizieren. Sie können eine Datei mit dem Mikrofon Ihres iOS-Geräts aufzeichnen und sehen, ob BirdNET die in Ihrer Aufzeichnung vorhandenen Vogelarten korrekt identifiziert. Lernen Sie die Vögel um Sie herum kennen und helfen Sie uns, Beobachtungen zu sammeln, indem Sie Ihre Aufzeichnungen übertragen.
BirdNET ist ein Gemeinschaftsprojekt des K. Lisa Yang Center for Conservation Bioacoustics am Cornell Lab of Ornithology und der Technischen Universität Chemnitz.
Fixed some issues with files submission
Das Entwicklungsteam, Stefan Kahl, hat darauf hingewiesen, dass die Datenschutzrichtlinien der App den unten stehenden Umgang mit Daten einschließen können. Weitere Informationen findest du in den Datenschutzrichtlinien des Entwicklungsteams .
Nicht mit dir verknüpfte Daten
Die folgenden Daten werden zwar möglicherweise erfasst, aber nicht mit deiner Identität verknüpft:
- Standort
- Benutzerinhalte
- Kennungen
Bedienungshilfen
Der Entwickler hat noch nicht angegeben, welche Bedienungshilfen diese App unterstützt. Weitere Infos
Informationen
- Größe
- 102,9 MB
- Kategorie
- Bildung
- Kompatibilität
Erfordert iOS 13.0 oder neuer.
- iPhone
Erfordert iOS 13.0 oder neuer. - iPad
Erfordert iPadOS 13.0 oder neuer. - iPod touch
Erfordert iOS 13.0 oder neuer. - Apple Vision
Erfordert visionOS 1.0 oder neuer.
- Sprachen
Deutsch und 11 weitere
- Deutsch, Englisch, Französisch, Italienisch, Litauisch, Niederländisch, Polnisch, Portugiesisch, Russisch, Spanisch, Tschechisch, Ukrainisch
- Altersfreigabe
4+
- 4+
- Anbieter
Stefan Kahl
- Stefan Kahl hat sich nicht als Händler für diese App ausgewiesen. Falls du Verbraucher:in im Europäischen Wirtschaftsraum bist, gelten die Verbraucherrechte nicht für Verträge zwischen dir und dem Anbieter.
- Copyright
- © 2024 Cornell University, Chemnitz University of Technology