Como funciona a detecção de choro em um app de babá eletrônica

Uma babá eletrônica básica ativada por som só faz uma pergunta: está alto? É por isso que uma porta batendo ou um caminhão passando a dispara. Distinguir o choro de todo o resto exige mais algumas perguntas. Veja como o Babyphone as responde e onde essa abordagem falha.

Passo 1: o que é alto neste quarto?

Um limite fixo de volume não funciona. Um quarto silencioso e um cômodo com umidificador têm níveis de base muito diferentes.

Por isso, o detector estima continuamente o ruído de fundo do ambiente. Esse valor cai rapidamente quando o ambiente fica mais silencioso e sobe devagar quando fica mais barulhento. Se você ligar um ventilador, o som dele se dissolve no fundo depois de alguns minutos. Sons que parecem choro nunca elevam esse nível, então um longo período de choro não pode ensinar ao detector que chorar é normal.

Um som conta como alto quando está suficientemente acima desse nível. A configuração de sensibilidade controla quanto acima.

Passo 2: o som tem o tom de um bebê?

O choro é um som vozeado, portanto tem um tom claro, conhecido como frequência fundamental. O trato vocal dos bebês é pequeno, o que coloca esse tom bem acima do de um adulto.

As pesquisas sobre choro infantil geralmente situam o choro saudável em torno de 200 a 600 Hz, com médias típicas perto de 400 a 500 Hz. A fala de adultos costuma ser bem mais grave.

Para cada pequeno trecho de áudio, o detector compara o sinal com cópias atrasadas dele mesmo. Quando o sinal coincide com uma cópia atrasada em determinado tempo, esse atraso revela o tom. Se o trecho for claramente periódico e o tom estiver entre 250 e 800 Hz, o trecho pode ser choro.

Passo 3: ele tem harmônicos?

Um alarme de fumaça ou o bipe de um micro-ondas podem estar na mesma faixa de tom, mas são próximos de um tom puro. Uma voz humana contém energia em múltiplos do seu tom base, chamados harmônicos.

O detector mede a energia no dobro e no triplo do tom. Se esses harmônicos forem fracos demais, o som não é tratado como choro.

Passo 4: ele se comporta como choro ao longo do tempo?

Um único trecho não prova nada. O detector observa os últimos quatro segundos e faz duas perguntas:

Os trechos parecidos com choro representam pelo menos 45% dessa janela? A fala tem muitas pausas e consoantes, enquanto o choro é longo e sustentado.
O tom varia? O choro tem uma melodia de subidas e descidas. Um tom eletrônico constante, não.

Se as duas coisas forem verdadeiras, o estado muda para choro e permanece assim por alguns segundos, para que uma respiração entre um berro e outro não o faça alternar. Em nossos sinais de teste, isso leva cerca de dois segundos.

Por que isso roda no celular

Tudo isso roda no aparelho perto do seu bebê, no navegador. A análise não precisa enviar áudio para lugar nenhum, e a única coisa que chega ao celular dos pais como resultado é um pequeno status: calmo, ruído ou choro.

Onde ela erra

Testamos o detector com sinais sintéticos modelados a partir de choro, fala, ruído branco, tons e portas batendo. Não o validamos com um conjunto de gravações clínicas, e essa abordagem tem pontos cegos conhecidos:

Irmãos mais velhos e vozes agudas podem cair na mesma faixa de tom, principalmente quando sustentadas.
Canto, algumas músicas e TV podem ser periódicos e melódicos o suficiente para acioná-lo.
Animais de estimação podem soar surpreendentemente parecidos com choro.
Resmungos baixinhos podem ser classificados como ruído em vez de choro, ou nem ser percebidos.
Um microfone longe do berço enfraquece os harmônicos de que o detector depende.

É por isso que você pode escolher receber alertas para qualquer ruído, manter o som contínuo ligado e ajustar a sensibilidade. Pense na detecção de choro como um empurrãozinho útil. Ela não é uma garantia e não substitui um bom posicionamento nem um adulto perto o bastante para ouvir.