Google持续投入资源，开发可用于辨识鲸鱼声音的人工智能模型，最新的多物种鲸鱼声音模型能够辨识8种鲸鱼的叫声，并进一步细分其中两种鲸鱼的不同发声类型，共可产生12个分类。这项技术不仅提升鲸鱼声音分类的准确性，也揭露了布氏鲸等难以观察鲸种的行为模式，对鲸鱼保育和生态研究提供有力的工具。目前该模型已公开供学术人员下载使用。

Google从2018年起，便与美国国家海洋和大气管理局（NOAA）的太平洋群岛渔业科学中心合作，展开鲸鱼叫声分类的研究工作。最初他们针对座头鲸开发侦测模型，成功辨识座头鲸的鸣叫声，也揭露了座头鲸在特定时间地点的鸣叫规律和模式，甚至发现了座头鲸的新栖息地。

而在之后，Google又与加拿大渔业及海洋部（DFO）、Rainforest Connection合作，针对濒临绝种的南方定居型虎鲸开发侦测模型，并将其应用在水下麦克风监测网络，即时回报虎鲸位置给DFO和相关单位。

过去的这些研究成为Google开发多物种鲸鱼声音模型的基础，该模型除了座头鲸、虎鲸，现在可以辨识的鲸鱼还包括蓝鲸、长须鲸、小须鲸、布氏鲸、北大西洋露脊鲸和北太平洋露脊鲸。多物种鲸鱼声音模型的开发并不容易，因为鲸鱼声音的频率范围极广，从蓝鲸10 Hz的低频到齿鲸超过 120 kHz的高频，对模型的灵敏度要求极高。

研究人员在开发多物种鲸鱼声音模型时，首先将原始音频转换为时频谱（Spectrogram），作为模型辨识声音的基础，每个时窗包含5秒钟的声音片段。接着，模型会对这些时频谱进行处理，运用一种称为梅尔刻度的方法调整声音的频率，并通过压缩和范式突出声音的特征。最后模型会根据处理后的时频谱，将其分类为12种鲸鱼鸣叫类别。

由于海中存在各种声音，因此研究人员也加入大量的背景声音训练模型，以确保模型可以准确辨识鲸鱼声音并排除杂音。实验结果显示，多物种鲸鱼声音模型能够良好地区分不同种类的鲸鱼，特别是小须鲸和布氏鲸的声音。

值得一提的是，NOAA最初确认布氏鲸独特的「Biotwang」鸣叫声，随后研究人员利用Google的多物种鲸鱼声音模型对Biotwang声音特征进行标记，并应用在大量的音频数据中，发现布氏鲸多次出现在太平洋西北地区，并且进一步揭露布氏鲸的族群差异和季节性迁徙习性。