音乐指纹识别如何工作（对于 Shazam 和 Lala.com 等网站）？

Question

我的大型（120GB）音乐收藏包含许多重复的歌曲，我一直在尝试对曲目进行指纹识别，希望能够检测到重复的歌曲。由于我是计算机科学专业的学生，​​我很好奇外面做了什么？我所做的任何事情都无法达到 Shazam 或 Lala.com 等网站的准确性。他们如何“散列”曲目？我已经对我的所有文件（26,000 个文件）运行了标准 MD5 哈希，并且在不同的轨道上发现了数百个相同的哈希，因此这是行不通的。

我对 Lala.com 更感兴趣，因为它们使用完整文件，与 Shazam 不同，但我假设两者都使用类似的技术。谁能解释如何生成音乐的唯一标识符？

Answer 1

在音频指纹的开创性论文是由Haitsma和Kalker 2002-03的工作。对于音频的每个帧，它预处理（跨时间帧和频带的差异），然后存储该帧的频谱的一个二值化版本。

此过程将鲁棒性。如果整个信号被在时间上偏移，它仍然有效（至少，就可以得出对性能劣化的下限）。这是很强大的环境噪声。公司自成立以来，已经出现了低级别的音乐相似多篇论文，所以没有单一的答案。

你有完全相同的文件，即，信号被时间对准，位深度是相同的，采样率是相同的？然后，我会觉得像MD5哈希应该工作。但是，如果其中任何参数的改变，所以将哈希值。在这种情况下，像前面提到的一个程序将更好地工作。

看看在ISMIR程序可免费在线。好玩的东西。 http://www.ismir.net/

Answer 2

声学指纹识别有很多算法。一些比较流行的有：

1. AMG套索
2. 音频ID
3. LibFooID

事实上 libfooId 是开源的，所以你可以在 google-code 中查看它的代码！

Answer 3

看看他声学指纹页面。它具有一些文件，以及链接到实现参考文献（包括开源 fdmf ）。

Answer 4

在一些调查研究（虽然这还没有定论可言！），我碰巧在整个维基在MusicBrainz.org，详细介绍一些他们使用的方法之一：

http://musicbrainz.org/doc/Audio_Fingerprint

http://musicbrainz.org/doc/How_PUIDs_Work