使用 Python 获取声音输入并查找相似的声音

Posted 2023-02-25

【中文标题】使用 Python 获取声音输入并查找相似的声音

【英文标题】：Get sound input & Find similar sound with Python

【发布时间】：2016-07-21 04:10:17

【问题描述】：

我想做的就像使用 Python 的“Shazam”或“SoundHound”，只有声音版本，而不是音乐。

例如，当我发出声音（例如关门声）时，在声音列表中找到最相似的声音数据。

我不知道你能不能理解，因为我的英语不好，但想象一下“Shazam”的声音版本。

我知道“Shazam”没有开放的 API。 有没有像'Shazam'这样的API？ 或者， 如何实现？

【参考方案1】：

您可以使用多个库，但例如，它们都不会将样本归类为“关门”。但是您可以使用这些库进行特征提取并构建/获取声音数据集，构建分类器，对其进行训练并将其用于声音分类。

图书馆：

Friture - Friture 是一个图形程序，旨在对音频输入进行实时时频分析。它提供了一组可视化小部件来显示音频数据，例如示波器、频谱分析仪、滚动 2D 频谱图。

LibXtract - LibXtract 是一个简单、便携、轻量级的音频特征提取函数库。该库的目的是提供一组相对详尽的特征提取原语，这些原语被设计为“级联”以创建提取层次结构。

Yaafe - Yet Another Audio Feature Extractor 是用于音频分析的工具箱。易于使用且高效地同时提取大量音频特征。支持 WAV 和 MP3 文件，或嵌入 C++、Python 或 Matlab 应用程序中。

Aubio - Aubio 是一种用于从音频信号中提取注释的工具。它的功能包括在每次攻击之前对声音文件进行分段、执行音高检测、敲击节拍以及从现场音频中生成 MIDI 流。

LibROSA - 用于音频和音乐分析的 python 模块。它易于使用，并实现了许多常用的音乐分析功能。

如果您确实选择使用我上面提到的建议，我建议 scikit-learn 作为机器学习库。它包含许多您可能想要使用的分类器。

【参考方案2】：

这里的问题是音乐有结构，而你想要找到的声音可能有不同的特征。以门为例，仅门的重量、尺寸和材料就会影响它将产生的声学特征的类型。如果您想通过相似性进行搜索，则功能袋方法可能是一种简单的（ish）方法。但是，有不同的方法，例如通过沿声音频谱图的滑动窗口进行采样，并尝试（通过相似性）与您录制的先前声音匹配，声音分解等......