アカテナガザル（Saguinus bicolor）は、分布域が小さく、アマゾニアにおいて都市域の森林モザイクに分断された生息地を含む、極めて絶滅危惧の霊長類である。生息地の細分化や人為的作用により、その生存状況の把握とモニタリングは複雑になる。パッシブ音響モニタリング（PAM）は非侵襲で便利な手段として有効であるが、単一種の検出は、熱帯雨林のオープンセットな音環境のために困難である。本研究では、下流の推論に適した非常に低い偽陽性率を実現する機械学習パイプラインを提示する。この方法は、バンドパスフィルタ（5-10 kHz）、Perch バイオアコースティック埋め込み（深層学習）、連続音声のスライディングウィンドウに適用するワンクラスSVM（OCSVM）を組み合わせて、S. bicolor のコールを検出する。ラベル付きコールの縮小データセットで学習し、種外音として多様な音（鳥類、アヌラン（カエル類）、人為音、地生音/昆虫音）に対して検証した後、長時間でサイトをまたいだ録音でテストする。保持した負例に対して高い識別性能を示し、連続的な実環境音において非常に低い偽陽性率を達成し、精度は0.86である。最後に、サイト横断の状況で検出を単一サイト占有モデルと組み合わせ、保全モニタリングにおけるエンドツーエンドの有用性を示すとともに、地理的に異なる地域におけるアカテナガザル個体群の録音に対する偽陰性検出確率を推定する。本戦略は手作業によるラベリング負担を最小限に抑えた S. bicolor のPAMツールを提供し、オープンセットで単一種を対象とする他のモニタリング課題にも適応可能である。再現性のために、Pythonパッケージを公開する。音声ファイルを処理して検出時刻を Audacity ラベルファイル（.txt）として出力でき、手作業による検証を迅速化する。
https://doi.org/10.1101/2025.10.11.681843