聲音監測技術是近幾年隨著計算機聽覺（CA)、人工智能(AI)應用的發展，而逐漸興起的一門新興技術。目前整體技術還處于早期發展階段，雖不夠成熟，但是具有廣闊的應用空間。

聲音信號具有豐富的信息量，在很多視覺、觸覺、嗅覺不合適的場合下，具有獨特的優勢。聲音信號通常被認為與振動信號具有較大的相關性，但聲音信號具有非接觸性，避免了振動信號數據采集的困難。基于一般音頻／環境聲的CA技術屬于AI在音頻領域的分支。

說到具體應用，那就舉幾個常見工業場景的例子說明一下：

發動機——發動機是飛機、船舶、各種行走機械的核心部件，有柴油機、汽油機、內燃機、燃氣渦輪發動機等幾種。發動機故障是發動機內部發生的嚴重事故，傳統的發動機故障診斷高度依賴于工程師的技術能力，發動機的高、中、低3個頻帶的頻譜特性對其進行分析，通過分析發動機噪聲的強度可大致判斷出發動機部件的故障。人工判斷具有很大的局限性，一些經驗豐富的技術人員也會有一些失敗率，造成時間和金錢的嚴重浪費。因此，聲音檢測故障診斷系統既可直接用于自動診斷，提高系統可靠性，節約維護成本，也可作為經驗不足的技術人員的訓練模塊。而且避免了拆分機器安裝振動傳感器的傳統診斷方式的麻煩。

軸承、齒輪和傳動部件——旋轉機械（軸承、齒輪等）在整個機械領域中有著舉足輕重的地位，發生故障的概率又遠遠高于其他機械結構，因此對該類部件進行狀態檢測與故障診斷就尤為重要。對于傳統的振動傳感器需要拆分機器、不易安裝的缺點來講，其可通過在整機狀態下檢測特定部位的噪聲來判定軸承與齒輪等是否異常，可以說是非常省時省力又快捷了。

電氣機械和器材——電機是用于驅動各種機械和工業設備、家用電器通用裝置。電機有很多種，如同步電機 、直流電機 、感應電機。為保證其安全穩定運行，常常需要工作人員定期檢修、維護。電機在發生故障時，維護人員聽電機發出的聲音，以人工方式判斷故障的類型，耗費大量人力，而且無法保證及時檢測到故障，基于聲信號的聲紋識別系統將提取的音頻特征與某一類型的故障聯系起來，可以識別出電機異響及各種類型的故障，如線圈破碎和定子線圈短路等。

云酷科技聲音監測系統基于物聯網技術，通過音頻傳感器實現設備音頻數據的遠程采集；利用信號解析技術，提取音頻數據關鍵指標信號；利用信號分析及AI神經網絡技術，實現設備運行狀態的遠程監測和設備故障的早期預警；同時輔以振動和溫度傳感器，使管理人員和作業人員隨時隨地掌握設備運行狀態，幫助企業用戶提升生產效率，保證生產安全，優化生產決策。