软件开发者西蒙·威利森（Simon Willison）于11月9日发布博文，介绍其借助AI编程工具Claude Code开发的一套名为Beep Locator的声音定位系统。该系统通过多台设备的麦克风协同采集声音，可将声源位置锁定至约40厘米范围，项目代码已在GitHub上公开。
据博文介绍，开发该系统的直接起因是威利森搬家后储物室堆积了较多尚未拆封的纸箱，其间不时传来短促的“哔哔”电子声。由于鸣叫间隔较长，仅凭听觉难以判断声音来源，人工逐一翻检纸箱的效率较低。为此，威利森转向AI编程工具Claude Code编写程序，尝试以技术手段完成声源定位。
在技术实现上，Beep Locator调用分散摆放的五台手机、平板和电脑，通过网页调用各设备的麦克风共同捕捉声音，核心定位逻辑是比较同一声音抵达不同设备的时间差。开发过程中，威利森曾尝试自动测定设备的相对位置，但精度不足，随后加入手动拖动地图图标、标注设备位置的功能作为补充。程序同时利用快速傅里叶变换分析声音频率，从环境杂音中识别目标提示音，并借助一台设备发出的短音同步各端录音，以保证时间差计算的准确性。
随着功能逐步完善，该系统还能够根据现有设备的分布情况，建议新增设备的摆放位置，以帮助进一步缩小搜索范围。最终，威利森按照定位结果检查纸箱，找到了发声设备，确认是藏在纸箱里的一台旧一氧化碳探测器。
从工具属性看，Beep Locator属于典型的AI辅助开发产物。Claude Code作为 Anthropic 推出的编程工具，近年来被开发者广泛用于快速构建原型工具和解决具体场景问题。此类案例反映出AI编程工具正在降低个人开发者构建专用工具的门槛：过去需要自行搭建信号处理与多设备同步框架的项目，如今可在较短时间内完成从构思到可运行系统的落地。
在应用层面，多设备声源定位并非全新课题，但基于消费级设备与网页麦克风接口实现的低成本方案仍较为少见。该项目的公开代码为类似场景提供了可参考的实现路径，包括设备时间同步、频率筛选与位置标注等环节。对于仓储管理、设备巡检等需要快速定位异常声源的场景，此类方案具备一定的复用价值。
目前该项目以开源形式发布，后续是否会有开发者在此基础上扩展设备数量支持或提升定位精度，仍有待观察。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
