Iphone 音频文件匹配程序

我正试图在iPhone中编写一个程序，它可以将两个音频文件（如WAV）作为输入，比较它们，然后吐出一个数字，告诉你这些音频文件有多相似

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，请让我知道。一切都将不胜感激

具体问题：什么语言合适？这件事有多难 大概需要几个小时？在哪里可以找到音频库/工具的良好来源

---

谢谢

我想说这很难，与其说是实现，不如说是给出了“相似”的合理定义

你说，你可能在研究自相关和FFT等技术，它们都是CPU密集型任务，所以我认为，完全编译的语言（C，C++，不知道ObjuleC）最适合实际计算。此外，对于此类任务，您还面临着一个动力不足的平台（如果只是因为未压缩的音频文件非常大的话），因此您需要进行一些优化

---

这本书：对所有与DSP相关的东西都是非常简明的阅读。

听起来与“Shazam”的功能类似-顺便说一句，很棒的iPhone应用程序，如果你还没有（它也是免费的）请查看它

不久前有一篇关于沙扎姆如何工作的文章。它获取一个声音指纹，并将其与其他歌曲的指纹进行比较，返回最接近的匹配

我想说的是，指纹识别中涉及到很多数学，可能是一些矩阵，可能是傅里叶变换，然后试图比较音频

-

编程可能需要一段时间。不过，如果你的数学技能能够胜任，这听起来是个不错的挑战：-）

-

---

编辑：发现我链接的网站上有一些源代码。它是用Java编写的，但在开始编写自己的代码之前，很值得一看

我正在一个语音识别应用程序上用Java开发类似的东西

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某种机器学习技术进行训练和识别。使用从参考wav文件中提取的特征训练NN，更精确地说，是从该音频文件的连续等长切片/窗口中提取的特征。然后使用NN来检测另一个文件（也被分割成片）是否具有相同的特征

这是一个基本概念，您可以在此基础上进一步阐述自己的规范，或者确切地说，您希望您的应用程序做什么

关于Objective C中的库，我认为您可以找到一些用于信号处理部分（FFT等）的库，至于机器学习部分，我不知道您可以找到什么

至于编程时间，很难估计，因为它取决于很多细节。我想大概一周左右，但这只是一个合理的估计

---

ps:MFCC代表Mel频率系数：

你好，Jordan，谢谢你的回复，我查看了Shazam网站，但没有获得源代码。你能帮我吗这不是Shazam，而是试图复制Shazam的源代码。