Python 音频指纹匹配-查找最接近的匹配

我正在使用fpcalc从声音剪辑中获取音频指纹。它们看起来像这样：

AQAAE9GSKVOkLEOy5PlQE0d9fId7HD-aHD_xhMeRrKORLseX44etHD8AYcAgSrEjDKFAsIGIFAJZ

AQAAE1M9RUkW1NGFH0d4HcnyJIlw4UW17HiyPMHt4B18EX2go9qJTz_eJzgBgBg4CphigUCMGCWFAcAw

AQAAAA

AQAAE5ISLVOkTEF-QfURpkGZHHeeIpehB3HMoRKaikbTKHvQNnlwpIdOxNHHY_IPJttlAECEI8BBAAgFAiigAA

def levenshtein_distance(first, second):
    """Find the Levenshtein distance between two strings."""
    if len(first) > len(second):
        first, second = second, first
    if len(second) == 0:
        return len(first)
    first_length = len(first) + 1
    second_length = len(second) + 1
    distance_matrix = [[0] * second_length for x in range(first_length)]
    for i in range(first_length):
       distance_matrix[i][0] = i
    for j in range(second_length):
       distance_matrix[0][j]=j
    for i in xrange(1, first_length):
        for j in range(1, second_length):
            deletion = distance_matrix[i-1][j] + 1
            insertion = distance_matrix[i][j-1] + 1
            substitution = distance_matrix[i-1][j-1]
            if first[i-1] != second[j-1]:
                substitution += 1
            distance_matrix[i][j] = min(insertion, deletion, substitution)
    return distance_matrix[first_length-1][second_length-1]

现在我录制一个声音并按指纹，它可能是这样的：

AQAAE9GSKVOkLEOy5PlQE0d9fId7HD-aHD_xhMeRrKORLseX44etHD8AYcAgSrEjDKFAsIGIFAJZ

AQAAE1M9RUkW1NGFH0d4HcnyJIlw4UW17HiyPMHt4B18EX2go9qJTz_eJzgBgBg4CphigUCMGCWFAcAw

AQAAAA

AQAAE5ISLVOkTEF-QfURpkGZHHeeIpehB3HMoRKaikbTKHvQNnlwpIdOxNHHY_IPJttlAECEI8BBAAgFAiigAA

def levenshtein_distance(first, second):
    """Find the Levenshtein distance between two strings."""
    if len(first) > len(second):
        first, second = second, first
    if len(second) == 0:
        return len(first)
    first_length = len(first) + 1
    second_length = len(second) + 1
    distance_matrix = [[0] * second_length for x in range(first_length)]
    for i in range(first_length):
       distance_matrix[i][0] = i
    for j in range(second_length):
       distance_matrix[0][j]=j
    for i in xrange(1, first_length):
        for j in range(1, second_length):
            deletion = distance_matrix[i-1][j] + 1
            insertion = distance_matrix[i][j-1] + 1
            substitution = distance_matrix[i-1][j-1]
            if first[i-1] != second[j-1]:
                substitution += 1
            distance_matrix[i][j] = min(insertion, deletion, substitution)
    return distance_matrix[first_length-1][second_length-1]

现在，我正在查看数据库，使用levenshtein距离查找最接近的匹配项，如下所示：

AQAAE9GSKVOkLEOy5PlQE0d9fId7HD-aHD_xhMeRrKORLseX44etHD8AYcAgSrEjDKFAsIGIFAJZ

AQAAE1M9RUkW1NGFH0d4HcnyJIlw4UW17HiyPMHt4B18EX2go9qJTz_eJzgBgBg4CphigUCMGCWFAcAw

AQAAAA

AQAAE5ISLVOkTEF-QfURpkGZHHeeIpehB3HMoRKaikbTKHvQNnlwpIdOxNHHY_IPJttlAECEI8BBAAgFAiigAA

def levenshtein_distance(first, second):
    """Find the Levenshtein distance between two strings."""
    if len(first) > len(second):
        first, second = second, first
    if len(second) == 0:
        return len(first)
    first_length = len(first) + 1
    second_length = len(second) + 1
    distance_matrix = [[0] * second_length for x in range(first_length)]
    for i in range(first_length):
       distance_matrix[i][0] = i
    for j in range(second_length):
       distance_matrix[0][j]=j
    for i in xrange(1, first_length):
        for j in range(1, second_length):
            deletion = distance_matrix[i-1][j] + 1
            insertion = distance_matrix[i][j-1] + 1
            substitution = distance_matrix[i-1][j-1]
            if first[i-1] != second[j-1]:
                substitution += 1
            distance_matrix[i][j] = min(insertion, deletion, substitution)
    return distance_matrix[first_length-1][second_length-1]

我没有得到好的结果，因为声音与我给它的样本不匹配

我这样做对吗？有更好的指纹库吗？我正在使用python或ruby

---

我正在尝试将wistle与鸟叫声相匹配。指纹方法无法满足您的需要

我见过Mel频率倒谱系数（MFFC）来解决这类问题

---

还有其他方法，如何提取一组描述符（平均不规则度、平均质心、标准偏差不规则度、MFCC）并使用一种分类方法（随机森林、MLP）

指纹法不能满足您的需要

我见过Mel频率倒谱系数（MFFC）来解决这类问题

---

还有其他方法，如何提取一组描述符（平均不规则度、平均质心、标准偏差不规则度、MFCC）并使用一种分类方法（随机森林、MLP）

首先，不应直接比较代码字符串。我不知道pfcalc是基于哪种算法，但它很可能测量音频输入的每一帧上的一些音频特征（如能量、mfcc…如上所述）。这些特征可以是整数值，然后转换为字符串（或base64字符串）。因此，比较这些字符串的值没有任何意义（除非您试图识别相同的音频内容）

---

我不确定我是否完全理解您正在尝试做什么“我正在尝试将Witle与鸟叫声相匹配”，但我认为您要做的不会用音频指法解决，因为它旨在识别“几乎相似”的音频内容

首先，不应直接比较代码字符串。我不知道pfcalc是基于哪种算法，但它很可能测量音频输入的每一帧上的一些音频特征（如能量、mfcc…如上所述）。这些特征可以是整数值，然后转换为字符串（或base64字符串）。因此，比较这些字符串的值没有任何意义（除非您试图识别相同的音频内容）

---

我不确定我是否完全理解您正在尝试做什么“我正在尝试将Witle与鸟叫声相匹配”，但我认为您要做的不会用音频指法解决，因为它旨在识别“几乎相似”的音频内容

使用-raw选项运行fpcalc，以获得需要比较的32位整数

./fpcalc -raw audio.wav

为了便于比较，请将每个指纹转换为20位：

Python示例

fps_20 = [x >> 12 for x in fps]

---

并计算差异。

使用-raw选项运行fpcalc，以获得需要比较的32位整数

./fpcalc -raw audio.wav

为了便于比较，请将每个指纹转换为20位：

Python示例

fps_20 = [x >> 12 for x in fps]

并计算差异