痛點：通用模型天生不準
我們自己就驗證過：市售翻譯機對著卡尼，零反應。所有「貓語翻譯器」都建立在同一個假設上：貓叫有一套通用語法。事實是成年貓之間的溝通幾乎不靠喵叫——喵叫主要是對人類發展出來的，每隻貓對不同的人都有不同的叫法。
假設本身錯了卡尼陪你寫手帳
把每一聲喵，
留成你們的日常。
記下叫聲、觀察回應，
慢慢認識你家這隻貓。
聲音留在手機 · 記錄屬於你們
Android 版已開放下載；iOS 版即將推出。
今天，
也多懂你一點。
也多懂你一點。
今天的喵喵
聲音卡示意
P.01 設計緣由
為什麼又做了一個貓語 App？
因為前面那些都不準。
這不是行銷話術——是一隻黑貓教我們的事，加上一個技術判斷。
緣起 · ORIGIN
我們的貓寶——卡尼
一隻酷酷的黑貓。為了跟他溝通，我們先去買了市面上的貓語翻譯機，對著他放了好幾輪——結果完全得不到他的反應。他看了機器一眼，繼續趴著。
後來我們想到一件事：家人之間常常有默契的語言或動作——不是制式的，而是你知我知的共情溝通。貓也是家人。於是我們把這份默契寫成了演算法——共情溝通演算法：不猜「全世界的貓」，只學「我們家的卡尼」。
卡尼現在是正式的品牌 IP——官網貼圖 Vol.2（照片級）與 App 手帳頁都已換上他的形象，接下來是周邊。畢竟這個產品，本來就是為他發明的。
卡尼貼圖 · KANI STICKERS VOL.1
官方設計稿首發四枚——本貓親自上陣。
LINE 貼圖包正式設計稿（24 枚全組已完成，本頁先上四枚）。正好對應 App 的四個情境標籤：聽不懂＝拒判 · 飯呢＝飢餓 · 大哥卡尼＝打招呼 · 摸可以抱不行＝不滿。
卡尼貼圖 · KANI STICKERS VOL.2
換本貓上場 —— 照片級貼圖四枚。
這四枚以卡尼本貓為原型（黑貓 × 粉紅拍立得項圈）：真透明背景、白色模切描邊，縮到 100px 仍認得出來。 聊天直接用，App 手帳頁也已換上同一套形象。LINE 貼圖包 24 枚已定稿（見上排官方設計稿）。
「貓叫是個體方言。你家貓在『想吃飯』時的叫聲，穩定、可重複，而且獨一無二——
— 專案設計筆記
通用模型猜的是『所有貓的平均』，那個答案對你家這隻貓必然是錯的。」
定位 · POSITIONING
業界談寵物 AI，通常分成四塊：照護、日常、收容、相遇。四塊其實都在回答同一個問題——怎麼照顧牠。
我家喵語補的是第五個維度：怎麼聽懂牠。
它落在「日常」，精神上屬於「相遇」——聽懂帶來連結，連結才守得住終養不棄養。
洞察：個體方言，小樣本可學
既然是「個體方言」，就不需要海量數據——只需要你自己的幾條錄音。我們把特徵維度壓到 34 維、類中心用滑動平均維護，每類 3 條就能冷啟動。
3 條樣本即可開始更遠：找到你們之間的溝通點
這套程序最有價值的產出不是「判得準」，而是幫你找到並記錄真實存在的互動：你學著叫一個聲音，牠回應了——那一刻就成了你們之間專屬的「互動聲音」。
互動日記
1不上傳錄音
34 維特徵提取、分類、拒判全部在手機本地跑。錄音檔與特徵值從架構上就沒有離開裝置的路徑——不是靠政策承諾，是靠程式結構。
2不用神經網路
每類 3～5 個樣本訓不動深度模型。改用 標準化歐氏最近鄰：類均值 ＋ 逐維方差自動加權，判定過程可解釋、可回放、不必聯網推理。
3不懂就說不懂
遇到沒聽過的叫聲（新的病痛呻吟、發情聲、外來貓叫），系統會拒絕判定並請你教它——而不是硬猜一個答案，還給你 100% 的信心。
P.02 共情溝通
「共情溝通演算法」：離線、可拒判、跟著你家貓一起長大。
現有貓叫識別技術幾乎都在同一條路上：聯網 ＋ 深度神經網路 ＋ 雲端推理。 我們整條技術路線反過來——離線 ＋ 不依賴預訓練模型 ＋ 可拒判。 這不是折衷，是針對五個既有缺陷逐一設計的結果。
離線ON DEVICE
共情溝通引擎
34 維聲學特徵 · 雙門檻拒判
全程在手機上完成
特徵向量怎麼來的 34 維
預加重 0.97 → RMS 能量歸一化 → 25 ms 漢明窗分幀（幀移 10 ms）→ 512 點頻譜 → Mel 濾波器組（24 個，200–6000 Hz）→ 對數 → DCT-II 取 12 維 → CMVN 倒譜均值歸一化 → 自相關法基頻 → 音節數。
基頻 F0 ＋ 音節（2）
頻譜統計量（3）
時域統計量（3）
時長特徵（2）
MFCC 均值（12）
MFCC 標準差（12）
關鍵設計：用 RMS 能量歸一化，不用峰值歸一化。峰值會被突發噪聲（關門聲、噴嚏）偷走動態範圍——實測抗噪餘弦相似度從 0.43 提升到 0.98。
雙門檻拒判 ★ 核心設計
市面上幾乎沒有產品把「拒絕判定」當成第一原則。這是本方案最硬的一點，也是實測抓出來的：只用相對判據（margin）時，一段完全陌生的叫聲會被判成 100% 置信度。
1
算出到各類中心的標準化歐氏距離 → 最小者
d₁（候選類）、次小者 d₂
2
novelty = d₁ / 類內半徑 > 2.5 → 這是完全陌生的聲音
↳ 拒判 「我不認識這個叫聲（離已知類 17.4 倍距離），教我這是哪一類？」
3
confidence = (d₂ − d₁) / d₂ < 0.55 → 聽過，但拿不準
↳ 拒判 「我不太確定（58%），你幫我確認一下。」
4
兩關都過 → 輸出類別 ＋ 置信度 ＋ 新穎度 ＋ 距離明細
↳ 判定成功 可解釋：能告訴你「這次音調比平常高 30%，所以判為餓」。
為什麼兩個都要：margin 是相對判據（候選類比次優類好多少），novelty 是絕對判據（這個樣本離該類自己的散布有多遠）。前者回答「已知類之間分不分得開」，後者回答「它到底是不是已知類」。任一不通過即拒判。
實測數據 可復現
以下數字來自 Python 參考實作與 Android Kotlin 實作的完整測試，腳本隨原始碼附上。
| 指標 | 實測 | 對照與說明 |
|---|---|---|
| 抗噪魯棒性 | 0.98 | 加噪前後特徵餘弦相似度；峰值歸一化對照組僅 0.43 |
| 小樣本準確率 | 14 / 15 | 每類 4 條樣本；Python 與 Kotlin 兩端結果一致 |
| 跨端數值一致性 | 4.4e-7 | 3 組用例 × 34 維最大相對偏差（容差 1e-3） |
| 陌生聲音拒判 | 17.45 | novelty 遠超閾值 2.5；僅用 margin 時該聲音被判 100% 置信度 |
| 自我學習 | 0.959 → 0.964 | 隨逐次確認持續提升，無需額外標註工作 |
| 嗓音漂移跟隨 | 0.507 | 模擬叫聲整體變低後類中心成功移動（遺忘因子 0.15） |
| 模仿樣本降權 | ×0.196 | 權重 0.2 時的類中心位移約為滿權重的 0.196 倍 |
準確率採內部驗證口徑（14/15，93.3%）。README 早期版本曾記錄 15/15，差異來自樣本切分方式——對外一律採較保守的數字。
對照既有技術的五個缺陷
這五條是分析了 13 件現有貓叫識別方案後歸納出的共同弱點，也是本方案逐條設計的依據。
D1
必須聯網普遍依賴伺服器端／雲端訓練／遠端比對。→ 本方案的整條流程全部在移動終端本地執行，音訊與特徵均不離開裝置。
D2
依賴預訓練深度模型模型出廠即凍結，且判定不可解釋。→ 類中心由個體樣本集直接建立，不依賴任何預訓練模型。
D3
無拒判機制遇到未覆蓋的陌生叫聲仍強行歸類，甚至給高置信度。→ 雙門檻區分「認得／拿不準／不認識」三種狀態。
D4
不適應嗓音漂移寵物成長、患病、發情導致嗓音改變後識別率下降而無從察覺。→ 遺忘因子 0.15 的指數滑動平均自動跟隨，並以 z 值監測漂移。
D5
小樣本類中心不穩3～5 個樣本建立的類中心易被離群樣本帶偏。→ 抗離群類內半徑 ＋ 學習率 max(0.15, 1/(n+2)) 的兩段式設計。
P.03 貓咪日誌
關於貓叫，我們想說清楚的那些事。
技術決策、養貓觀察、錄音技巧——每一篇都有出處，沒有玄學。
P.04 貓友留言板
你家的貓，叫聲是什麼脾氣？
這是本機互動示範。預載留言為示範內容，並非經驗證的客戶評價；你的留言不會公開或同步。
留言簿
先登入再留言，這樣別人知道是誰在說話。
P.05 取得
從第一聲喵，開始記錄。
每一次記錄，都讓你多留下一點和牠相處的回憶。 Android 版已開放下載；iOS 版開發中，完成後會在本頁與會員通知公布。
- 不上傳錄音。音訊與特徵全部留在手機，這是架構決定的，不是政策承諾。
- 不用大模型。每類 3 條樣本即可冷啟動，不必等雲端、不必付推論費。
- 照片只留本機。日記照片存在 App 私有目錄，卸載即清；不做表情辨識、不做人臉辨識。
- 不懂就說不懂。遇到陌生叫聲會拒絕判定並請你教它，不硬猜。