音频文件匹配程序

Posted 2023-02-25

技术标签:

【中文标题】音频文件匹配程序【英文标题】：Audio File Matching Program 【发布时间】：2011-01-21 12:09:56 【问题描述】：

我正在尝试在 iPhone 中编写一个程序，它可以将两个音频文件（例如 WAV）作为输入，比较它们，然后输出一个数字，告诉您音频文件的相似程度。

如果有人做过类似的事情，知道如何去做，或者只是有一些想法，请告诉我。任何事情都将不胜感激。

具体问题：什么语言适合？做起来有多难（多少小时，大约）？我在哪里可以找到好的音频库/工具来源？

谢谢！

【问题讨论】：

【参考方案1】：

我想说这很困难，与其说是实现，不如说是想出一个“相似”的合理定义。

也就是说，您可能正在研究诸如自相关和 FFT 之类的技术，它们都是 CPU 密集型任务，所以我会说一种完全编译的语言（C、C++，不了解 Objective-C ) 至少对于实际计算是最合适的。此外，对于此类任务，您面临的平台动力不足（如果只是因为未压缩的音频文件非常大），因此您需要进行相当多的优化。

这本书：http://www.dspguide.com/ 对于所有与 DSP 相关的内容都非常简洁。

【讨论】：

【参考方案2】：

听起来与“Shazam”的功能相似 - 顺便说一下，很棒的 iPhone 应用，如果你还没有，请检查一下（它也是免费的）。

不久前有一篇关于 Shazam 工作原理的文章，read it here。它采用声学指纹并将其与其他歌曲的指纹进行比较，返回最接近的匹配项。

我想说有很多数学，可能是一些矩阵，也许还有傅里叶变换涉及指纹识别，然后尝试比较音频。

编程可能需要很长时间。不过，如果您的数学技能能够胜任，那听起来是个不错的挑战 :-)

编辑： 原来在我链接的网站上有一些源代码。它是用 Java 编写的，但在您开始编写自己的代码之前非常值得一看。 Source code here

【讨论】：

您好 Jordan，感谢您的回复，我查看了 Shazam 网站，但没有获得源代码。你能帮帮我吗？ redcode.nl/blog/2010/06/creating-shazam-in-java - 这不是 Shazam，而是试图复制 Shazam 的源代码。【参考方案3】：

我正在一个语音识别应用程序上用 Java 做类似的事情。

我建议使用 MFCC（需要计算 FFT）进行特征提取，使用神经网络或其他类型的机器学习技术进行训练和识别。您使用从参考 wav 文件中提取的特征来训练 NN，更准确地说，是从该音频文件的连续相等长度的切片/窗口中提取的。然后，您使用 NN 来检测另一个文件是否也被分割成片，是否具有相同的特征。