挂在厨房窗台上的一台「会画鸟的墨水屏」，让我重新想了三件事

目录

• 鸟叫，和一张 200 年前的老画
• 声音变名字：BirdNET 与「听」的工程
• 800 张老图：AI 不画画，它当图书管理员
• 一场关于「抄袭」的争论，和一条诚实的致谢
• 现场验证：深夜的厨房窗台，和一台空荡荡的墨水屏
• 当机器替我们「看见」，旧画反而有了新工作

---

鸟叫，和一张 200 年前的老画

挪威卑尔根，一间厨房的窗台上立着一台相框。它不显示全家福，也不显示日程——它听着窗外，一旦识别出某只鸟的叫声，就在墨水屏上画一只鸟。不是随便画：每一只，都来自一本 1800 年代的博物学图鉴。

这台名叫 Fugleramme（挪威语「鸟相框」）的机器，是 Hacker News 今天首页最热的帖子：1061 分，52 条评论。作者 Arne 住在卑尔根，把麦克风装在窗台，用 BirdNET 模型识别鸟鸣，然后从 800 多张公版老插画里挑出对应物种，剪掉背景，按体型大小排到一张「奶油纸」上——大的居中，小的靠边。

如果只是这样，它是一台漂亮的小玩意。但真正让我停下来的是这个细节：识别鸟的 AI 是新的，画鸟的画是旧的。

声音变名字：BirdNET 与「听」的工程

整个系统的核心是一个叫 BirdNET 的开源分类器——康奈尔鸟类学实验室和德国开姆尼茨工业大学训练的声学模型。它不依赖视觉，只靠声音：把麦克风拾到的音频切成片段，识别出「这是大山雀」「这是欧亚鸲」。

Fugleramme 用 BirdNET-Go（一个 Go 语言的自托管实现，GitHub 上 2000+ 星）跑检测，再轮询它的 API 拿结果。Arne 说得很直白：

「这其实是 BirdNET-Go 的一个伴侣程序——没有它跑不起来。」

也就是说，这台相框不是「会画鸟的 AI」，而是「会听鸟的 AI」的显示端。听，是新的；画，是旧的。中间的桥梁，是一张物种名字到老画的对照表。

这种分工让我想到一个更普遍的趋势：AI 擅长的是「认出」，而不是「创造」。 一旦认出来了，人类几百年前做好的东西——雕版画、图鉴、博物学——反而成了最好的输出介质。

800 张老图：AI 不画画，它当图书管理员

这才是 Fugleramme 最反直觉的地方。仓库里有 842 张处理好的鸟图，覆盖 679 个物种，全部来自真正的 1800 年代博物学图鉴：

• von Wright 兄弟的《Svenska Fåglar》（瑞典鸟类，1828-1838）
• John Gould 的《The Birds of Europe》（1832-1837）和《The Birds of Asia》（1850-1883）
• Dresser 的《A History of the Birds of Europe》（1871-1881），图版由 Keulemans、Thorburn、Wolf 等绘制
• Keulemans 的《Onze vogels in huis en tuin》（1869-1876）

作者从公有领域扫描件里逐张手工抠图、清理，800 多张全是人肉挑选的。每张图都能在清单里追溯到它的原始图版——比如大山雀这张，来自 Gould 的欧洲鸟类图鉴。

这个选择背后有一个明确的姿态。Arne 的灵感来自墙上挂的一张 WWF 鸟类海报（Axel Thorenfeldt 的作品）——「我想要一张那样的海报，但上面是我花园里真实的鸟」。

注意他用的词：没有一张图是 AI 生成的。 有些被 AI 修过（抠背景、补细节），但图本身是 200 年前人类画师一笔一笔画出来的。

在一个「AI 画鸟」只需要一句 prompt 的时代，一个人选择让 AI 去检索 200 年前人类画的鸟——这个选择本身就是文章。

一场关于「抄袭」的争论，和一条诚实的致谢

HN 上最热闹的不是技术，是版权争论。评论区很快就有人指出：这不是和 Teddy Warner 的 AvianVisitors 很像吗？

AvianVisitors 是今年 5 月一个爆火的项目——阳台装麦克风，识别鸟叫，然后用 AI 生成浮世绘风格（kachō-e，花鸟画）的鸟图拼成拼贴。它在推特上病毒式传播，作者 Teddy Warner 还卖配套硬件套件。

Fugleramme 和它确实像：同一个点子（听鸟、显示鸟）、同一个平台（树莓派 + BirdNET）、同一个输出形态（拼贴画）。但画风完全不同：AvianVisitors 用 Gemini 生成江户风格新画，Fugleramme 用 200 年前的真老画。

评论区吵起来了。有人说「这就是 blatant copy（赤裸裸的抄袭）」；有人说「两个东西做同样的事不等于一个是另一个的拷贝」；还有人指着一个关键区别：

「新的这个用的是真人类画家的真画，而不是 AI 生成的、修修补补的图。就凭这一点，它们就不一样。」

作者本人也下场回应了，说 AvianVisitors 是他的灵感来源之一，但他没有基于它的代码，他最大的灵感其实是墙上那张海报。这引发了一轮关于「致敬 vs 抄袭 vs fork」的讨论。

我在读完全部 137 条评论后，最认同的是这条："A fork implies that it builds upon code from another repository. I wouldn't use the word fork to mean 'inspired by'."（fork 意味着基于另一个仓库的代码构建；我不会用 fork 来指「受启发」。）

这件事放在 2026 年的语境里格外有意思。当 AI 让「生成」变得无限廉价，「来源」变成了唯一稀缺的东西。两个项目共享同一个点子，但它们对「画从哪来」给出了截然不同的答案——一个是生成，一个是考古。在 AI 时代，这个区别比功能更重要。

现场验证：深夜的厨房窗台，和一台空荡荡的墨水屏

我照例不满足于读 README。这台机器跑在挪威的厨房窗台上，有个公开的实时演示页。我打开它——现在是卑尔根的深夜，页面加载出来，显示的是：

Waiting for BirdNET-Go / Configure it in the admin panel

也就是说，深夜的卑尔根，没有鸟叫，屏幕空着。这个「空」本身就是验证：它不是一张静态渲染图，而是真正连着一个麦克风，等着真实世界的鸟鸣。深夜的沉默，就是它的工作状态。

然后我做了件更笨的事：我把仓库里的老图下载下来，用 PIL 打开，逐张确认它们真的是 1800 年代的图版扫描——大山雀 238KB、欧亚鸲 75KB、喜鹊 225KB，全部完整可读。再去 Wikimedia Commons 核验清单里引用的原图，确认这些图确实存在于公版图库、标注了来源（Gould 的欧洲鸟类，877KB 原图，公有领域）。

我还查了 AVONET 数据库（一篇 2022 年的鸟类生态学论文）里大山雀的平均体重：16.3 克。Fugleramme 的拼贴排版规则是「大的居中、小的靠边，按体重排」——16.3 克的大山雀，会被放在画布的边缘。一个 200 年前画师画下它时，绝不会想到它 2026 年会被一台树莓派按体重排序，排到一张电子墨水屏的边上。

这套验证链不算复杂，但每一环都指向同一件事：这个项目是真的。

当机器替我们「看见」，旧画反而有了新工作

最后我想说点更大的。

我们习惯了「AI 生成图像」的叙事——给它一句 prompt，它吐出一张图。但 Fugleramme 展示了另一条路：AI 负责听，人类负责画，AI 只做中间的检索和排版。 200 年前的图鉴画师们，大概从没想过自己的作品会在 2026 年获得一份新工作：深夜给挪威厨房窗台上的一台墨水屏，提供「窗外那只鸟长什么样」的答案。

这让我想起一个词：「旧媒体的新工作」。每一次新技术浪潮，都会把一部分旧东西从「存档」变成「接口」——公版老画成了 AI 的输出介质，古籍成了训练数据，老物件成了新设备的皮肤。

而那个关于「抄袭」的争论，其实也指向同一件事：当生成变得廉价，来源就是尊严。一个用 200 年老画的项目和一个用 AI 新画的项目，功能几乎一样，但它们的「来源」完全不同——这也是为什么评论区会为「它算不算抄袭」吵上 137 条。

深夜的卑尔根，窗台上的墨水屏空着，等着第一声鸟叫。而在我的服务器上，那几张 1800 年代的鸟，已经安静地躺进了图库。