Phát hiện sự kiện âm thanh là công nghệ tự động xác định và phân loại các âm thanh cụ thể trong luồng âm thanh, chẳng hạn như tiếng kính vỡ, còi báo động và tiếng ho.
Phát hiện sự kiện âm thanh (SED) là công nghệ phân chia tín hiệu âm thanh liên tục thành các cửa sổ thời gian ngắn và sử dụng mô hình học sâu để gán nhãn cho từng phần (tiếng bước chân, tiếng kính vỡ, còi báo động, tiếng ho, v.v.). Công nghệ này được sử dụng để bổ sung cho camera giám sát, phát hiện âm thanh bất thường trong thiết bị của nhà máy và theo dõi âm thanh thở trong môi trường y tế. Các mô hình dựa trên CNN và CRNN đã được áp dụng rộng rãi như các tiêu chuẩn công nghiệp và trong những năm gần đây, các kiến trúc dựa trên Transformer cũng đã được áp dụng. Trong hoạt động thực tế kể từ năm 2026, cạm bẫy lớn nhất là độ chính xác sẽ giảm đáng kể chỉ vì đặc điểm tiếng ồn nền và tiếng vang của môi trường nơi dữ liệu đào tạo được thu thập và địa điểm khác nhau, đồng thời việc phát hiện đa âm nơi nhiều âm thanh chồng chéo vẫn sẽ khó khăn. Về chi phí, khi sử dụng các API đa năng, trả tiền theo mức sử dụng là tiêu chuẩn, nhưng nếu bạn muốn thu những âm thanh bất thường cụ thể (chẳng hạn như âm thanh báo hiệu lỗi thiết bị) với độ chính xác cao thì cần phải học thêm bằng cách sử dụng dữ liệu tại chỗ và chi phí thu thập và chú thích có xu hướng chiếm phần lớn chi phí triển khai. Khi chọn tại chỗ, thông lệ tiêu chuẩn là so sánh và xem xét các mẫu có mục đích chung và các mẫu tùy chỉnh, tập trung vào việc loại âm thanh mục tiêu có bị thu hẹp hay không, có cần vận hành liên tục hay xử lý hàng loạt hay không và mức độ chấp nhận đối với kết quả dương tính giả.