Dưới đây là phần tổng quan dự án + đối chiếu yêu cầu giảng viên + bạn đã làm được gì/cần làm gì dựa trên file bạn gửi: bird-sound-search-system.rar.

1. Tổng quan dự án hiện tại

Dự án của bạn đang đi theo hướng đúng: hệ thống tìm kiếm tiếng chim dựa trên đặc trưng âm thanh và CSDL metadata.

Trong gói bạn gửi có các file:

File	Vai trò
data.py	Tải dataset từ Kaggle, chọn dữ liệu, chuẩn hóa âm thanh về .wav, sample rate 22050Hz
build_db.py	Tạo SQLite database, trích xuất đặc trưng âm thanh, lưu metadata + feature vector
search_birds.py	Nhận file âm thanh đầu vào, trích xuất đặc trưng, so sánh với CSDL và trả về top 5 file giống nhất
bird_database.db	CSDL SQLite đã có dữ liệu
train_metadata.csv	File metadata lớn, có 24.459 dòng, 182 loài chim
requirements	Ghi cách cài thư viện, nhưng chưa đúng định dạng chuẩn

Trong bird_database.db, mình kiểm tra thấy có:

Nội dung	Kết quả
Số bản ghi âm thanh	510
Số loài chim	17
Mỗi loài	30 file
Sample rate	22050 Hz
Thời lượng trong DB	5 giây/file
Feature vector có dữ liệu	510/510

Như vậy, về ý tưởng tổng thể, bạn đã có khung gần đủ: thu thập dữ liệu → chuẩn hóa âm thanh → trích xuất đặc trưng → lưu CSDL → tìm kiếm top 5.

Tuy nhiên, gói nộp hiện tại còn một số vấn đề quan trọng: không có thư mục chứa 500 file âm thanh thật, code và database đang không đồng bộ kiểu feature vector, và phần báo cáo/giải thích/đánh giá có vẻ chưa hoàn thiện.

---

2. Phân tích từng yêu cầu của giảng viên

Yêu cầu 1

Xây dựng/sưu tầm bộ dữ liệu ít nhất 500 file âm thanh tiếng chim, file có độ dài phù hợp để trích xuất đặc trưng.

Bạn đã làm được

Bạn đã có hướng xử lý trong data.py:

• Tải dataset từ Kaggle.
• Chọn 17 loài chim.
• Mục tiêu lấy TOTAL_REQUIRED = 510.
• Chuẩn hóa âm thanh về:
  • .wav
  • sample rate 22050Hz
  • độ dài cố định.

Trong database cũng có 510 bản ghi, tức là về mặt metadata/CSDL, bạn đã thể hiện rằng có 510 file.

Vấn đề còn thiếu

Trong file .rar bạn gửi, mình không thấy thư mục bird_prepared_500 chứa file âm thanh thật. Gói hiện tại chỉ có database, metadata và code.

Đây là điểm dễ bị giảng viên trừ nặng, vì yêu cầu số 1 cần bộ dữ liệu âm thanh, không chỉ metadata.

Ngoài ra, trong data.py bạn ghi chuẩn hóa về 10 giây, nhưng trong bird_database.db mình thấy duration_seconds = 5.0 cho toàn bộ 510 bản ghi. Cần làm rõ thống nhất: dùng 5 giây hay 10 giây.

Cần làm

Bạn nên bổ sung:

1. Thư mục bird_prepared_500/ chứa ít nhất 500 file .wav.
2. File mô tả dataset, ví dụ dataset_description.md, ghi:
   • nguồn dataset,
   • số file,
   • số loài,
   • định dạng,
   • sample rate,
   • thời lượng,
   • quy tắc đặt tên file.
3. Chạy lại hoặc sửa thống nhất thời lượng: nếu báo cáo nói 10 giây thì DB cũng nên là 10 giây; nếu DB là 5 giây thì báo cáo nên ghi 5 giây.

---

Yêu cầu 2

Xây dựng bộ thuộc tính để nhận diện tiếng chim hót. Trình bày lý do lựa chọn và giá trị thông tin của các thuộc tính.

Bạn đã làm được

Trong code, bạn đã dùng các đặc trưng âm thanh khá hợp lý:

Nhóm	Thuộc tính	Ý nghĩa
Cepstral	MFCC 13 chiều	Mô tả hình dạng phổ âm, thường dùng trong nhận dạng âm thanh
Spectral	Spectral Centroid	Đo “độ sáng” của âm thanh
Spectral	Spectral Bandwidth	Độ phân tán phổ tần số
Temporal	Zero Crossing Rate	Mức độ dao động nhanh/chậm của tín hiệu
Temporal	Silence Ratio	Tỷ lệ khoảng lặng
Pitch	Pitch/F0	Độ cao tiếng chim

Trong build_db.py, bạn còn có ý tưởng tốt hơn: chia mỗi file thành 10 đoạn, mỗi đoạn trích 18 đặc trưng. Đây là cách hợp lý vì tiếng chim thay đổi theo thời gian, không nên chỉ lấy trung bình toàn file.

Vấn đề còn thiếu

Có một lỗi lớn: database hiện tại không lưu feature vector giống như code tìm kiếm đang mong đợi.

Cụ thể:

• search_birds.py đang mong feature_vector là ma trận dạng 10 x 18.
• Nhưng trong bird_database.db, mỗi feature_vector hiện chỉ là dạng:

json
{
  "mfcc": [...13 số...],
  "centroid": ...,
  "zcr": ...
}

Tức là database chỉ có MFCC + centroid + zcr, không có silence_ratio, bandwidth, pitch, và cũng không chia 10 đoạn.

Điều này khiến hệ thống tìm kiếm hiện tại có khả năng bị lỗi nếu chạy trực tiếp với database đang gửi.

Cần làm

Bạn phải chọn một trong hai hướng:

Hướng nên làm: dùng phiên bản mới trong build_db.py.

Nghĩa là:

1. Chuẩn hóa lại toàn bộ 510 file âm thanh.
2. Chạy lại build_db.py.
3. Đảm bảo feature_vector trong DB là ma trận 10 x 18.
4. Khi báo cáo, trình bày rõ:

Mỗi file âm thanh được chia thành 10 đoạn. Mỗi đoạn được biểu diễn bởi vector 18 chiều gồm 13 MFCC, Spectral Centroid, ZCR, Silence Ratio, Spectral Bandwidth và Pitch. Do đó mỗi file có ma trận đặc trưng kích thước 10 x 18.

---

Yêu cầu 3

Xây dựng hệ CSDL để quản trị siêu dữ liệu và trình bày cơ chế tìm kiếm tiếng chim hót dựa trên siêu dữ liệu.

Bạn đã làm được

Bạn đã có SQLite database bird_database.db với bảng bird_metadata.

Các trường đang có:

Trường	Ý nghĩa
file_name	Tên file âm thanh
xc_id	Mã nguồn ghi âm
common_name	Tên thường gọi
scientific_name	Tên khoa học
recordist	Người ghi âm
record_date	Ngày ghi âm
country	Quốc gia
sound_type	Loại âm thanh: song/call/alarm call...
duration_seconds	Thời lượng
sample_rate	Tần số lấy mẫu
file_path	Đường dẫn file
feature_vector	Vector đặc trưng âm thanh

Phần này tương đối ổn.

Vấn đề còn thiếu

Bạn mới có CSDL, nhưng chưa thấy phần cơ chế tìm kiếm theo metadata được cài đặt rõ trong code.

Yêu cầu số 3 không chỉ là lưu CSDL, mà còn cần trình bày ví dụ tìm kiếm như:

• Tìm theo tên loài.
• Tìm theo quốc gia.
• Tìm theo loại âm thanh: song, call, alarm call.
• Tìm theo ngày ghi âm.
• Tìm theo người ghi âm.
• Kết hợp nhiều điều kiện.

Ví dụ:

sql
SELECT * 
FROM bird_metadata
WHERE common_name LIKE '%Andean Guan%'
AND country = 'Ecuador'
AND sound_type LIKE '%call%';

Cần làm

Bạn nên bổ sung một module hoặc hàm, ví dụ metadata_search.py, gồm các chức năng:

python
def search_by_species(common_name):
    ...

def search_by_country(country):
    ...

def search_by_sound_type(sound_type):
    ...

def search_metadata(common_name=None, country=None, sound_type=None):
    ...

Trong báo cáo, bạn cần có mục:

Cơ chế tìm kiếm dựa trên metadata được thực hiện bằng truy vấn SQL trên bảng bird_metadata. Người dùng có thể lọc theo tên loài, quốc gia, loại âm thanh, ngày ghi âm hoặc người ghi âm. Kết quả metadata có thể dùng độc lập hoặc kết hợp với tìm kiếm theo đặc trưng âm thanh.

---

Yêu cầu 4

Xây dựng hệ thống tìm kiếm tiếng chim với đầu vào là file âm thanh mới, đầu ra là 5 file giống nhất, giảm dần theo độ tương đồng.

Bạn đã làm được

search_birds.py đã có logic chính:

1. Nhận file âm thanh đầu vào.
2. Trích xuất đặc trưng.
3. Đọc feature vector từ database.
4. Chuẩn hóa bằng StandardScaler.
5. Tính khoảng cách Euclidean có trọng số.
6. Chuyển khoảng cách thành độ tương đồng bằng exp(-distance).
7. Sắp xếp giảm dần và trả về top 5.

Đây là đúng hướng.

Vấn đề còn thiếu / cần sửa

Có 3 vấn đề lớn:

1. Database và search code chưa đồng bộ

Như đã nói, search code đang mong feature dạng 10 x 18, nhưng DB hiện tại chỉ có dict mfcc/centroid/zcr.

Cần build lại database.

2. Thiếu xử lý trường hợp “loài chưa có trong dữ liệu”

Đề bài nói đầu vào có thể là:

• loài đã có trong dữ liệu,
• loài chưa có trong dữ liệu.

Hệ thống hiện tại vẫn luôn trả về 5 file gần nhất, nhưng chưa có cơ chế cảnh báo:

File đầu vào có thể không thuộc các loài trong CSDL.

Bạn nên thêm ngưỡng similarity, ví dụ:

python
if results[0]["similarity"] < 0.45:
    print("Cảnh báo: âm thanh đầu vào có thể thuộc loài chưa có trong CSDL.")

Ngưỡng này cần tự thử nghiệm để chọn.

3. Chưa hiển thị đủ kết quả trung gian

Yêu cầu 4b yêu cầu:

Trình bày các kết quả trung gian của quá trình tìm kiếm.

Hiện code chủ yếu in kết quả cuối. Bạn cần thêm các output trung gian:

• Tên file query.
• Thời lượng, sample rate sau chuẩn hóa.
• Ma trận đặc trưng query: kích thước 10 x 18.
• Một vài giá trị đặc trưng mẫu.
• Số file trong database được so sánh.
• Top 10 điểm similarity trước khi lấy top 5.
• Thời gian tìm kiếm.
• Kết quả sau sắp xếp.

---

Yêu cầu 4a: Sơ đồ khối hệ thống

Bạn nên đưa sơ đồ khối như sau vào báo cáo:

text
File âm thanh đầu vào
        |
        v
Tiền xử lý âm thanh
- Load audio
- Resample 22050Hz
- Cắt/pad về độ dài cố định
- Chia thành 10 đoạn
        |
        v
Trích xuất đặc trưng
- MFCC
- Spectral Centroid
- ZCR
- Silence Ratio
- Bandwidth
- Pitch
        |
        v
Tạo vector/ma trận đặc trưng query
        |
        v
Đọc feature_vector từ SQLite database
        |
        v
Chuẩn hóa đặc trưng
        |
        v
Tính độ tương đồng
- Weighted Euclidean Distance
- Similarity = exp(-distance)
        |
        v
Sắp xếp giảm dần theo similarity
        |
        v
Trả về Top 5 file giống nhất

---

Yêu cầu 5

Demo hệ thống và đánh giá kết quả đạt được.

Bạn đã làm được

Bạn đã có chương trình console trong search_birds.py, cho phép:

• chọn file từ database,
• chọn file mới từ máy tính,
• in top 5 kết quả.

Vấn đề còn thiếu

Chưa thấy phần đánh giá định lượng.

Bạn cần bổ sung bảng kết quả demo, ví dụ:

Trường hợp test	File query	Loài thật	Top 1 đúng?	Loài xuất hiện trong Top 5?	Similarity Top 1
1	bird_001...wav	Andean Guan	Có	Có	0.82
2	bird_045...wav	Brown Tinamou	Có	Có	0.76
3	file ngoài CSDL	Unknown	Không áp dụng	Không áp dụng	0.31

Bạn nên có ít nhất:

• 10 test với loài đã có trong database.
• 3–5 test với loài chưa có trong database.
• Đánh giá:
  • Top-1 Accuracy.
  • Top-5 Accuracy.
  • Nhận xét trường hợp sai.
  • Thời gian tìm kiếm trung bình.

---

3. Tóm tắt: Bạn đã làm được gì?

Có thể ghi là bạn đã làm được các phần sau:

Yêu cầu	Mức độ hiện tại	Nhận xét
1. Bộ dữ liệu ≥ 500 file	Khoảng 60%	DB có 510 bản ghi, nhưng gói nộp chưa có file âm thanh thật
2. Bộ thuộc tính âm thanh	70%	Đã chọn thuộc tính hợp lý, nhưng DB chưa đồng bộ với code mới
3. CSDL metadata	75%	Đã có SQLite và bảng metadata; thiếu hàm/tài liệu tìm kiếm metadata
4. Tìm kiếm top 5	60%	Có thuật toán, nhưng cần sửa tương thích DB và bổ sung xử lý loài chưa có
4a. Sơ đồ khối	30%	Chưa thấy file báo cáo/sơ đồ, cần bổ sung
4b. Kết quả trung gian	30%	Code chưa in đủ intermediate results
5. Demo và đánh giá	40%	Có demo console, thiếu bảng đánh giá định lượng

Đánh giá tổng thể: ý tưởng và khung hệ thống đã có, nhưng chưa đủ chắc để nộp nếu giảng viên chạy lại từ đầu. Phần cần ưu tiên là làm cho dự án chạy được trọn vẹn và có minh chứng dữ liệu.

---

4. Những việc cần làm ngay, theo thứ tự ưu tiên

Ưu tiên 1: Bổ sung dữ liệu âm thanh thật

Trong gói nộp cần có:

text
bird_prepared_500/
    bird_001_XCxxxx_Andean_Guan.wav
    bird_002_XCxxxx_Andean_Tinamou.wav
    ...
    ít nhất 500 file

Nếu dung lượng quá lớn, bạn cần ghi rõ trong báo cáo:

• link Google Drive/Kaggle,
• cách tải,
• cách chạy data.py để tạo lại dữ liệu.

Nhưng tốt nhất vẫn nên có một thư mục mẫu hoặc link dữ liệu rõ ràng.

---

Ưu tiên 2: Đồng bộ lại database và code tìm kiếm

Hiện bird_database.db đang lưu feature dạng cũ. Bạn cần chạy lại build_db.py sau khi có thư mục âm thanh để DB lưu đúng dạng 10 x 18.

Sau khi build lại, kiểm tra một bản ghi feature_vector phải có dạng:

json
[
  [mfcc1, mfcc2, ..., pitch],
  [mfcc1, mfcc2, ..., pitch],
  ...
]

Tức là list 10 dòng, mỗi dòng 18 số.

---

Ưu tiên 3: Sửa requirements

File requirements hiện đang ghi kiểu lệnh:

text
python -m pip install librosa

Không đúng chuẩn pip install -r requirements.

Nên đổi thành requirements.txt:

text
librosa
soundfile
numpy
pandas
scikit-learn
kaggle

Tkinter thường có sẵn với Python, không cần ghi vào đây.

---

Ưu tiên 4: Xóa Kaggle API key khỏi code

Trong data.py, bạn đang hardcode Kaggle username/key. Đây là rủi ro bảo mật. Không nên nộp code có key cá nhân.

Nên sửa thành:

python
# Không hardcode key trong source code.
# Người dùng cấu hình Kaggle API bằng file kaggle.json hoặc biến môi trường.
from kaggle.api.kaggle_api_extended import KaggleApi

Nếu key đó là key thật, bạn nên thu hồi/regenerate key Kaggle.

---

Ưu tiên 5: Bổ sung tìm kiếm metadata

Thêm phần tìm kiếm SQL theo:

• tên loài,
• quốc gia,
• loại âm thanh,
• ngày ghi âm,
• người ghi âm.

Điều này giúp đáp ứng rõ yêu cầu số 3.

---

Ưu tiên 6: Bổ sung báo cáo/demo

Báo cáo nên có cấu trúc:

text
1. Giới thiệu bài toán
2. Mô tả dữ liệu
3. Tiền xử lý âm thanh
4. Bộ đặc trưng âm thanh
5. Thiết kế CSDL metadata
6. Cơ chế tìm kiếm metadata
7. Hệ thống tìm kiếm theo âm thanh
8. Sơ đồ khối hệ thống
9. Kết quả trung gian
10. Demo
11. Đánh giá kết quả
12. Hạn chế và hướng phát triển

---

5. Kết luận ngắn gọn

Bạn đã làm được phần lõi của dự án: có code lấy dữ liệu, tạo CSDL, trích xuất đặc trưng và tìm kiếm top 5. Nhưng để đáp ứng đầy đủ yêu cầu giảng viên, bạn cần sửa 4 điểm chính:

1. Bổ sung/thể hiện rõ 500+ file âm thanh thật.
2. Build lại database để feature vector khớp với thuật toán tìm kiếm mới.
3. Bổ sung tìm kiếm theo metadata và mô tả SQL.
4. Bổ sung báo cáo: sơ đồ khối, kết quả trung gian, demo và đánh giá định lượng.

Nếu sửa các điểm này, dự án sẽ tương đối đầy đủ và có thể trình bày tốt.