在JavaScript中比较源和麦克风之间的声音

我正在研究音频，但我是这方面的新手。我想将麦克风的声音与我的源音频进行匹配（仅1个声音）就像沙扎姆的可口可乐广告一样。（0.45分钟）然而，我想通过JavaScript在网站上发布。谢谢。

构建类似于Shazam后端的东西并非易事。我们需要：

从用户的麦克风获取音频（简单）

将其与源代码进行比较并确定匹配项（嗯…如何…）

我们如何执行每个步骤

阿奎尔音频 这是一个毫无疑问的问题。我们可以使用

Web音频API

进行此操作。你可以在谷歌上搜索关于如何使用它的好教程。提供一些很好的基础知识，您在使用时可能希望了解这些知识

将示例与音频源文件进行比较 显然，在这样一个项目中，这一部分将是一个算法挑战。可能有多种方法来处理这一部分，这里没有足够的时间来描述它们，但一种可行的技术（恰巧是Shazam实际使用的），也有更详细的描述，就是为你的源材料的较小部分创建并与指纹进行比较，可以使用FFT分析生成

这项工作如下：

一次看一小段不超过几秒钟的示例（注意，这是使用滑动窗口完成的，而不是离散分区）

计算音频选择的傅里叶变换。这将我们的选择分解为许多不同频率的信号。我们可以分析样本的频域，得出关于我们所听到的有用结论

通过识别FFT中的临界值（如峰值频率或幅值），为选择创建指纹

如果你想像Shazam那样匹配多个样本，你应该维护一个指纹字典，但是因为你只需要匹配一个源材料，你可以在一个列表中维护它们。由于您的键将是一个数值数组，因此我建议另一种可能的数据结构是一个数组，用于快速查询您的数据集。我不认为Shazam使用了一个，但我越想，他们的系统似乎越接近于n维最近邻搜索，如果你能保持临界点的数量一致的话。不过现在，请保持简单，使用列表

现在我们有一个指纹数据库，已经准备好使用。我们现在需要将它们与麦克风输入进行比较

使用滑动窗口对麦克风输入进行小段采样，与我们对源进行采样的方式相同

对于每个片段，计算指纹，并查看它是否与存储中的任何片段匹配。你可以在这里寻找部分匹配，你可以尝试很多调整和优化

这将是一个嘈杂和不准确的信号，所以不要期望每个片段都匹配。如果他们中的很多人都得到了匹配（你必须在实验中弄清楚“很多”是什么意思），那么假设你有一个。如果匹配项相对较少，则认为您没有

结论 这将不是一个非常容易做好的项目。所需的调优和优化量将被证明是一个挑战。有些麦克风是不准确的，大多数环境都有其他声音，所有这些都会影响你的结果，但也可能没有听起来那么糟糕。我的意思是，从外部看，这是一个复杂得难以接近的系统，我们只是把它分解成一些相对简单的步骤

---

最后一点，您在帖子中多次提到Javascript，您可能会注意到，到目前为止，我在回答中没有提到过Javascript，这是因为实现语言不是一个重要因素。这个系统足够复杂，最难的部分是你在纸上解决的，所以你不需要考虑“我如何在Y中做X”，只要找出X的算法，Y应该自然出现。

构建类似于Shazam后端的东西不是一件容易的任务。我们需要：

从用户的麦克风获取音频（简单）

将其与源代码进行比较并确定匹配项（嗯…如何…）

我们如何执行每个步骤

阿奎尔音频 这是一个毫无疑问的问题。我们可以使用

Web音频API

进行此操作。你可以在谷歌上搜索关于如何使用它的好教程。提供一些很好的基础知识，您在使用时可能希望了解这些知识

将示例与音频源文件进行比较 显然，在这样一个项目中，这一部分将是一个算法挑战。可能有多种方法来处理这一部分，这里没有足够的时间来描述它们，但一种可行的技术（恰巧是Shazam实际使用的），也有更详细的描述，就是为你的源材料的较小部分创建并与指纹进行比较，可以使用FFT分析生成

这项工作如下：

一次看一小段不超过几秒钟的示例（注意，这是使用滑动窗口完成的，而不是离散分区）

计算音频选择的傅里叶变换。这将我们的选择分解为许多不同频率的信号。我们可以分析样本的频域，得出关于我们所听到的有用结论

通过识别FFT中的临界值（如峰值频率或幅值），为选择创建指纹

如果你想像Shazam那样匹配多个样本，你应该维护一个指纹字典，但是因为你只需要匹配一个源材料，你可以在一个列表中维护它们。因为你的钥匙会是a