基于音频信号处理与深度学习的实时声音识别系统。支持麦克风实时输入与音频文件上传，自动识别声音类别并输出置信度，同时可视化音频波形与梅尔频谱。采用loopback 低延迟采集与帧级特征提取，端到端延迟控制在 200ms 以内，分类准确率85% 以上。可应用于实时语音识别、环境声检测、设备异响监测等场景。