App 聆聽什麼、如何判斷，以及那些數字代表什麼。
Snore Timeline 把一夜的原始音訊化為你可以信賴的已標記事件，而當你知道它們是怎麼產生的，信賴它們就更容易了。本頁說明這套分類流程：App 聆聽哪些聲音、它如何決定什麼會落在你的時間軸上、那些分貝數字與橙色波形色彩代表什麼，以及為什麼吵雜的房間會改變結果。
App 並不會把每一個噪音都當成打鼾，而是把聽到的聲音歸入六大類別：
打鼾、喘息與咳嗽構成呼吸類別。App 也會整夜監測呼吸型態；當一段約 10 秒以上的靜默之後，接著出現明顯比先前靜默更大聲的恢復聲響，就會被標記為一次呼吸中斷。呼吸中斷對此有深入說明。
它怎麼分辨打鼾與咳嗽呢？每一種聲音類型都有可辨識的聲學特徵。打鼾的能量大多集中在中低頻範圍，約 50 Hz 到 3 kHz，這使它有別於說話、咳嗽與環境噪音。分類器在指派標籤之前，會同時權衡每個音訊片段的聲音型態與頻率特性。大多數環境噪音都會被忽略。
沒有任何偵測系統是完美的。當兩個聲音重疊，或被被褥蓋住其中一個時，事件可能落入錯誤的類別。如果某個標籤看起來不對，回放那一刻的音訊，聽聽看發生了什麼。這裡的一切都是供個人洞察用的音訊分析；App 並不診斷睡眠呼吸中止症或任何其他病症。
有些 App 靠取樣來省電：它們週期性地喚醒、聆聽片刻，然後再次休眠，這代表它們可能會錯過這之間發生的一切。Snore Timeline 運用在你手機上執行的 Apple Sound Analysis 框架，持續不間斷地分析你的音訊。每個聲音都在發生的當下被處理。沒有任何內容被略過、取樣或上傳。
持續分析帶來你會注意到的兩項結果：
這一切都在裝置上執行。你的音訊絕不會離開你的手機，隱私權政策說明了這在實務上代表什麼。
並非每個聲音都會被收錄。只有當某個聲音與其某一類別足夠吻合時，App 才會把它記為一個事件，這正是它如何避免一台嘎吱作響的暖氣機把你的整夜填滿幽靈打鼾。
你可以透過靈敏度設定來控制那道門檻有多嚴格，它共有五個層級：極低、低、平衡、高與最高。「平衡」為預設值。
讓你的時間軸告訴你該往哪個方向調整。回放起來什麼都沒有的雜散事件太多？把靈敏度調低。錄音裡聽得到、App 卻漏掉的打鼾？把它調高。對大多數人來說，「平衡」是個很不錯的起點。
音量會以 dB SPL 顯示在 App 各處，刻度從約 28 dB（近乎靜默的參考值）一路到 105 dB（極為響亮的聲音）。把它當作音量計來看：數字愈高，聲音愈大。以下是你打鼾的粗略對照：
App 會追蹤每個段落的峰值與平均分貝等級。這些數字僅供個人參考，並非臨床測量。
App 會偵測正在使用哪支麥克風，並在你的手機播放音訊（例如音樂或 podcast）時調整讀數。
每個聲音都是頻率的混合，而頻率就是空氣振動的快慢，以赫茲（Hz）為單位。低音振動得慢；高音振動得快。按下播放並拖曳，就能聽見它，並看著波形收緊：
把波形放到最大，長條就會分裂成層層堆疊的橙色深淺，顯示每個聲音的能量在各頻率上的分布位置：
明亮的高頻帶正是對呼吸最關鍵的那一個。每一次吐氣都會發出輕微的嘶聲，像柔和的「sss」，而這道嘶聲就位於高頻帶。Snore Timeline 整夜聆聽它，藉以追蹤你的呼吸，這正是呼吸中斷偵測與睡眠階段推估的動力來源。這也是為什麼手機放得太遠或房間吵雜會削弱這些功能：嘶聲很微弱，而它正是最先消失的東西。
頻率細節只會出現在放到最大的檢視中；在更寬的縮放層級下，長條會顯示為單一純色。時間軸與回放會帶你整體解讀波形。
把你某段安靜的夜晚放到最大，找找看那些下方幾乎沒有色彩、卻有短促亮橙色爆發的地方。那就是你的呼吸，僅憑聲音看見的呼吸。
分類器會自行處理打鼾與夢話。大音量偵測則存在於其餘的一切：每當某個聲音超過你所選的音量門檻，無論那是什麼聲音，它都會建立一個段落。這能捕捉分類器無法命名的噪音，例如輕到不足以被辨識為說話的低語夢話、磨牙、你移動時發出的聲音，或其他無法辨識的夜間噪音。
預設門檻為 55 dB。要挑一個適合你房間的門檻：
較安靜的房間能讓你使用較低的門檻，捕捉到更多聲音。
你也可能看到某些原本以為是打鼾的聲音落入大音量類別。這發生於背景噪音蓋過打鼾分類器所聆聽的呼吸型態時；分類器需要清晰的訊號才能辨識打鼾，而當房間的基準音量超過約 45 dB 時，更多聲音往往會被記為大音量訊號，而非打鼾段落。下一節會說明該如何處理。
持續的背景噪音，例如冷氣、電風扇、車流、音樂、雨聲或海浪聲，會被分開追蹤，不會在你的時間軸上建立打鼾事件。App 會把這些辨識為連續的環境噪音，而非個別的打鼾，因此一台嗡嗡作響的冷氣本身並不會把你的整夜填滿假打鼾。
持續噪音真正的代價是遮蔽。偏高的噪音底會淹沒安靜的呼吸與微弱的打鼾，讓分類器能運用的訊號變少。隨之會有兩項後果：
為了得到更乾淨的分類，盡可能讓房間安靜。常見的元兇是電風扇與白噪音機、暖通空調與空氣清淨機、面向車流的開窗，以及持續播放的電視或音訊。較安靜的房間能讓整體偵測更準確。
當你無法控制噪音時，例如在旅館房間裡，就善用你手邊現有的條件：
