苹果近日公布了一项名为《Foundation Model Hidden Representations for Heart Rate Estimation from Auscultation》的研究报告，探索了利用语音处理的基础模型估算心率的可行性。

尽管语音处理模型最初是为识别语音而设计的，但苹果的研究人员发现，这些模型同样能够有效处理心音图(Phonocardiogram, PCG)数据。心音图是利用换能器将心脏的机械震动转换为电流信号并记录下来的曲线图，在心脏健康监测中具有重要价值。研究团队测试了包括Whisper、wav2vec2、wavLM等在内的六个主流语音处理模型，并与苹果自研的CLAP(Contrastive Language-Audio Pretraining)模型进行了对比实验。

研究使用了公开的CirCor DigiScope Phonocardiogram数据集，包含约20小时的心音录音，每段录音时长在5.1至64.5秒之间。研究团队将音频文件分割为每秒移动一次的5秒片段，共生成23381个心音片段用于心率转换测量。结果显示，苹果自研的CLAP模型在不同数据分割中均取得了最低的平均绝对误差(MAE)，优于传统声学特征训练的基准模型。这表明，CLAP模型由于其训练数据涵盖了更多非语音内容，能够更好地捕捉心音相关特征，从而提升心率估算的准确性。

苹果研究人员表示，语音处理的基础模型可以有效适应听诊和生命体征估算任务，成为传统方法的强大替代方案。他们还发现，模型规模越大并不意味着心率估算效果越好，但通过进一步微调或能提升精度。这项技术有望应用于心肺声音的病理分析，帮助更精准地检测心律失常和杂音等异常情况。

如果这项技术能够成功实现商用转化，未来的将不再仅仅是音频设备，更将成为重要的健康监测工具。用户可以通过耳机内置的麦克风和声学传感器，在佩戴耳机时实时监测心率，并将数据同步到苹果健康生态中。这项功能在运动场景中尤为有用，因为耳机佩戴方式比手腕设备更稳定，能够提供更精准的心率数据，避免因手臂摆动导致的误差。