标题：开发者借助 AI 工具打造 Beep Locator，室内异响定位精度可达 40 厘米
开发者西蒙・威利森使用 Claude Code 快速开发出 Beep Locator 异响定位工具，靠多台手机、平板、笔记本同时收音，依靠声音到达时差做三角定位，最终把间歇性电子异响锁定到大约 40 厘米的狭小范围，解决了储物室断续蜂鸣、人耳很难排查的难题，整套方案不需要专业声学硬件，普通消费设备加 AI 编程就能快速搭建，适合找间断响起的报警器、设备故障蜂鸣这类隐蔽声源。人耳很难搞定这类异响，核心痛点就是响声间隔很长，等你跑过去听，声音已经停了，来回翻找大量纸箱效率极低；传统专业声学定位设备成本很高，普通家庭、工作室不会专门采购，而这套方案用手边闲置智能设备当收音节点，再靠 AI 快速把整套服务写出来，门槛直接降下来。整套操作流程就是先搭本地 Python Web 服务，多台设备扫码接入当收音节点，手动在平面图标记设备摆放位置，系统通过 FFT 识别目标蜂鸣频率，同步校准录音时间戳，多次采集之后不断收敛位置，最后在平面图标出声源范围，顺着标记区域找到对应的设备，他这次定位到的是一台没电、间歇报警的一氧化碳报警器。
Beep Locator 核心能力清单
- 底层原理：TDOA 到达时间差三角定位，搭配快速傅里叶变换 FFT 做频率过滤
- 收音节点：普通手机、iPad、Mac、Surface，浏览器网页调用麦克风，不用安装 App
- 同步方案：触发检测之后，一台设备发出同步短音，对齐所有设备音频时间轴
- 定位精度：多次采样收敛后，声源锁定在约 40 cm 区间
- 配套功能：拍手测试模式、录音回放核验、声源标记、推荐新增收音点位
- 运行架构：本地 Python Web 服务，WebSocket 传输音频数据，本地运算，不上传云端音频
定位流程对照表
| 流程环节 | 操作内容 | 作用 |
|---|---|---|
| 部署收音节点 | 房间四周分散摆放至少 4–5 台带麦克风设备，扫码接入服务 | 在空间形成多点收音阵列，保障三角计算基础 |
| 地图标定 | 在网页平面图拖动图标，标注每台设备实际摆放位置 | 自动测距方案精度不足，手动标定是稳定定位关键 |
| 目标声音采样 | 等待异响触发，标记目标蜂鸣，锁定对应的频率区间 | 过滤环境噪声，只识别要找的那一段异响 |
| 音频时间同步 | 检测到目标蜂鸣后，发出同步校准音，对齐全部录音片段 | 消除网络延迟带来的时间误差，保障时差计算准确 |
| 多次采样收敛 | 持续监听，多次捕捉异响，不断迭代优化坐标，缩小范围 | 单次采样误差大，多次采集才能压到 40 cm 精度 |
| 核验排查 | 在地图标记区域开箱排查，回放录音确认声源 | 避免误判，锁定真实发声设备 |
关键技术要点
- TDOA 时差定位：同一个声音传到不同麦克风存在微小时间差，用时差反推声源坐标。
- FFT 频率筛选：分离目标电子蜂鸣和环境噪音、脚步声、说话声，减少误触发。
- 放弃全自动测距：开发者测试发现靠设备互发声自动算相对位置效果差，改为手动标注。
- 浏览器 WebAudio：所有收音设备只用网页，跨平台兼容，快速拉起麦克风采集音频缓冲区。
- AI 辅助开发：全程使用 Claude Code，用自然语言提需求，快速迭代、新增测试功能。
方案优势与局限
✅ 优势
- 硬件门槛低，闲置消费电子就能搭建，不用专业拾音阵列
- 本地运行，音频数据留在本地，隐私风险更低
- 适合间歇性、低频次的电子蜂鸣，人耳很难捕捉的场景
- AI 辅助开发，开发者快速完成整套原型，不用从头啃声学代码
⚠️ 局限
- 需要多台设备分散布置，设备数量越少、摆放越集中，定位误差越大
- 声音反射、墙面遮挡会干扰时差计算，精度会下降
- 更适合短促、固定频率电子蜂鸣；连续嘈杂异响、人声定位效果一般
- 属于个人原型项目，没有做成商用成品，稳定性还需要自己调试
【相关 FAQ】
问题 1：开发者这套 AI 异响定位工具，怎么做到把室内异响定位到约 40 厘米？
回答 1：这套名叫 Beep Locator 的 AI 异响定位工具，靠多台设备收音，用 TDOA 声音到达时间差三角定位，配合 FFT 过滤噪声、同步音频时间轴，多次采样之后不断收敛，最终将室内异响锁定到大约 40 厘米范围。
问题 2：搭建这套定位室内异响的 Beep Locator，需要专门的声学硬件吗？
回答 2：不需要专用声学硬件，搭建 Beep Locator 定位室内异响，手机、平板、笔记本这类普通带麦设备就可以，设备打开网页接入服务充当收音节点。
问题 3：这个借助 AI 开发的室内异响定位工具，适合什么样的异响排查场景？
回答 3：借助 AI 开发的 Beep Locator 适合间歇性、固定频率的电子蜂鸣，比如低电量报警器、故障传感器断续滴滴声；连续噪音、人声这类复杂声源，定位效果会变差。
【参考资料】
[2026-11-11]（开发者 AI 自制工具追踪室内异响，将声源锁定至约 40 厘米范围）IT 之家
[2026-11-11]（Locating the source of a mysterious beep with Claude）Simon Willison 个人博客
[2026-11-11]（为找一只滴滴响的盒子，他让 Claude 长出耳朵）ZAKER 新闻
[2026-11-11]（Claude Code localiza un pitido con 40 cm de precisión）El Ecosistema Startup
【免责声明】
本稿件信息来自开发者公开博客和科技媒体报道，Beep Locator 属于个人原型项目，并非商用产品；定位精度会受房间声学反射、设备数量、摆放位置、噪音环境影响，40 厘米为本次实测最优结果，不代表所有场景都可以达到同等精度，本文仅作为技术案例科普，不用于工程商用方案验收依据。