En el proceso de cría de patos, la identificación rápida y precisa del género es actualmente un desafío clave. Este estudio propone un método basado en la discriminación de señales sonoras para abordar este problema. Se extrajeron las vocalizaciones de patitos machos y hembras de un día de edad y se obtuvieron las características de la señal a través de un procesamiento profesional. Se establecieron modelos de clasificación utilizando una red neuronal de retropropagación (BPNN), una red neuronal profunda (DNN) y una red neuronal convolucional (CNN). En total, se utilizó el 70% del conjunto de datos para el entrenamiento y el 30% para las pruebas. Los resultados de la prueba mostraron que el modelo BPNN tuvo la tasa de precisión más alta del 93.33% en la identificación de patos machos, mientras que el modelo CNN tuvo la tasa de precisión más alta del 95% en la identificación de patos hembras. Desde la perspectiva del rendimiento general del modelo, el modelo CNN tuvo el mejor desempeño, con la tasa de precisión más alta y un F1-score de 84.15% y 84.32%, respectivamente. Este estudio puede proporcionar una referencia técnica y una base para futuras tecnologías de reconocimiento de voz para diferentes razas de aves de corral y aplicaciones.