So funktioniert die Weinerkennung in einer Babyphone-App

Ein einfaches geräuschaktiviertes Babyphone stellt nur eine Frage: Ist es laut? Deshalb löst eine zuschlagende Tür oder ein vorbeifahrender Lkw es aus. Um Weinen von allem anderen zu unterscheiden, braucht es ein paar Fragen mehr. So beantwortet Babyphone sie, und hier stößt der Ansatz an Grenzen.

Schritt 1: Was gilt in diesem Raum als laut?

Eine feste Lautstärkeschwelle funktioniert nicht. Ein stilles Kinderzimmer und ein Raum mit Luftbefeuchter haben ganz unterschiedliche Grundpegel.

Deshalb schätzt die Erkennung laufend das Grundrauschen des Raums. Der Wert sinkt schnell, wenn der Raum leiser wird, und steigt langsam, wenn er lauter wird. Schaltest du einen Ventilator ein, verschwindet er nach ein paar Minuten im Hintergrund. Geräusche, die wie Weinen aussehen, heben das Grundrauschen nie an, sodass eine lange Weinphase der Erkennung nicht beibringen kann, dass Weinen normal ist.

Ein Geräusch gilt als laut, wenn es ausreichend über diesem Pegel liegt. Die Empfindlichkeitseinstellung legt fest, wie weit darüber.

Schritt 2: Hat das Geräusch die Tonhöhe eines Babys?

Weinen ist ein stimmhafter Laut und hat deshalb eine klare Tonhöhe, die sogenannte Grundfrequenz. Der Stimmtrakt von Babys ist klein, was diese Tonhöhe deutlich über die eines Erwachsenen legt.

Studien zum Schreien von Säuglingen verorten gesundes Weinen meist bei etwa 200 bis 600 Hz, mit typischen Mittelwerten um 400 bis 500 Hz. Die Sprache von Erwachsenen liegt meist deutlich tiefer.

Für jeden kurzen Audioabschnitt vergleicht die Erkennung das Signal mit zeitversetzten Kopien von sich selbst. Deckt sich das Signal mit einer um einen bestimmten Betrag verzögerten Kopie, verrät diese Verzögerung die Tonhöhe. Ist der Abschnitt klar periodisch und liegt die Tonhöhe zwischen 250 und 800 Hz, könnte es sich um Weinen handeln.

Schritt 3: Hat es Obertöne?

Ein Rauchmelder oder eine piepende Mikrowelle kann im selben Tonhöhenbereich liegen, ist aber fast ein reiner Ton. Eine menschliche Stimme enthält Energie bei Vielfachen ihrer Grundtonhöhe, den sogenannten Obertönen.

Die Erkennung misst die Energie bei der doppelten und dreifachen Tonhöhe. Sind diese Obertöne zu schwach, wird das Geräusch nicht als Weinen gewertet.

Schritt 4: Verhält es sich über die Zeit wie Weinen?

Ein einzelner Abschnitt beweist nichts. Die Erkennung betrachtet die letzten vier Sekunden und stellt zwei Fragen:

• Machen weinähnliche Abschnitte mindestens 45 % dieses Zeitfensters aus? Sprache hat viele Pausen und Konsonanten, Weinen ist dagegen lang und anhaltend.
• Bewegt sich die Tonhöhe? Weinen hat eine Melodie aus Anstiegen und Abfällen. Ein gleichbleibender elektronischer Ton nicht.

Trifft beides zu, wechselt der Status auf Weinen und bleibt einige Sekunden dort, damit ein Atemzug zwischen zwei Schreien ihn nicht hin und her springen lässt. Bei unseren Testsignalen dauert das etwa zwei Sekunden.

Warum es auf dem Handy läuft

All das läuft auf dem Gerät bei deinem Baby, im Browser. Die Analyse muss dafür keinen Ton irgendwohin schicken, und als Ergebnis kommt beim Handy der Eltern nur ein kleiner Status an: ruhig, Geräusch oder Weinen.

Wo es danebenliegt

Wir haben die Erkennung mit synthetischen Signalen getestet, die Weinen, Sprache, weißes Rauschen, Töne und zuschlagende Türen nachbilden. Mit klinischen Aufnahmen haben wir sie nicht validiert, und dieser Ansatz hat bekannte blinde Flecken:

• Ältere Geschwister und hohe Stimmen können in denselben Tonhöhenbereich fallen, besonders wenn sie anhalten.
• Gesang, manche Musik und Fernsehen können periodisch und melodisch genug sein, um sie auszulösen.
• Haustiere können dem Weinen überraschend ähnlich klingen.
• Leises Quengeln kann als Geräusch statt als Weinen eingestuft oder gar nicht bemerkt werden.
• Ein Mikrofon weit weg vom Babybett schwächt die Obertöne, auf die die Erkennung angewiesen ist.

Deshalb kannst du dich bei jedem Geräusch warnen lassen, den Ton durchgehend anlassen und die Empfindlichkeit anpassen. Sieh die Weinerkennung als nützlichen Hinweis. Sie ist keine Garantie und ersetzt weder eine gute Platzierung noch einen Erwachsenen in Hörweite.