HeAR 全称为 Health Acoustic Representations，是 Google 推出的健康声学基础模型，主要用于分析咳嗽、呼吸、清嗓、说话等人体发出的声音信号，并从中提取与健康状态相关的特征信息。该模型基于自监督学习框架训练，使用超过 3 亿段两秒长度的健康声学音频进行预训练，能够在没有大量人工标注数据的情况下学习呼吸系统声音中的规律与差异。与传统只针对单一疾病训练的医学音频模型相比，HeAR 更接近通用型健康音频表示模型，它并不直接输出“患病”或“正常”的简单结果，而是先将复杂声音转换为高维嵌入向量，再供下游系统完成疾病识别、风险判断或健康评估，因此具备更强的迁移能力和泛化能力。研究人员可以利用它快速构建肺功能评估、呼吸疾病筛查、异常声音检测等系统，同时减少模型训练所需的数据规模与算力成本。由于 HeAR 对手机麦克风、环境差异和不同采集设备具有较好的适应能力，因此它被视为数字医疗与远程健康监测领域的重要基础模型之一。Google 已公开相关模型与开发资源，研究机构能够基于 Hugging Face、GitHub 等平台继续进行医学音频研究与行业化开发。
HeAR 的使用方式更偏向 AI 基础能力调用，而不是普通消费者直接输入问题即可得到答案的聊天模型。开发者通常会将用户录制的咳嗽声、呼吸声或语音片段输入模型，由 HeAR 提取声学特征后，再结合分类器、回归模型或医疗分析系统完成具体任务，因此它更像是医学声音识别领域的“底层引擎”。在实际研发过程中，HeAR 可以帮助医疗 AI 团队解决训练数据不足、不同设备录音差异过大、模型泛化能力弱以及特定疾病识别成本高等问题。例如，一家医院希望构建肺部疾病筛查系统，过去需要大量带标签的病人录音才能训练模型，而使用 HeAR 后，只需少量标注数据即可完成迁移学习，大幅降低训练难度。对于远程医疗平台而言，它还能用于建立在线呼吸健康评估工具，患者无需前往医院，只需通过手机录制声音即可完成初步风险检测。科研机构则可利用它分析长期呼吸变化、疾病恢复趋势或肺功能状态。由于 HeAR 能够统一处理咳嗽、喘息、说话等不同类型的健康音频，因此它适合被集成进医疗 SaaS、移动健康 App、智能穿戴设备和远程诊断平台之中，形成完整的健康声学分析链路。
HeAR 的应用场景主要集中在呼吸系统疾病筛查、慢病监测、远程医疗、公共卫生以及数字健康研究等方向。在医疗场景中，它能够用于辅助识别肺结核、哮喘、慢阻肺、肺炎等疾病相关的呼吸异常，通过分析咳嗽频率、气流特征与呼吸节律判断患者风险等级。一些研究已经尝试利用 HeAR 对儿童哮喘进行早期检测，希望通过日常声音采集降低急性发作风险。对于基层医疗资源不足的地区，HeAR 还可以与智能手机结合，形成低成本疾病筛查方案，帮助偏远地区居民获得初步健康评估能力。在健康管理领域，它适合用于长期肺功能追踪，例如监测术后恢复情况、吸烟人群呼吸变化以及慢性病患者的健康趋势。企业也能够将其接入智能硬件与可穿戴设备，实现连续呼吸监测与异常提醒。公共卫生部门则可利用该模型分析大规模人群的呼吸健康数据，用于流感传播趋势观察或区域疾病风险预警。此外，医学研究机构还能借助 HeAR 建立新的数字生物标志物体系，从声音中发现传统检测手段难以捕捉的健康信号。随着远程诊疗与 AI 医疗的发展，HeAR 有望成为健康声学领域的重要基础设施。
适配机型：
京公网安备 11010802021500号