Python 比较两个音频文件

基本上，我有很多代表同一首歌的音频文件。然而，其中一些歌曲的质量比原歌曲差，一些被编辑到与原歌曲不匹配的地方。我想做的是通过编程将这些音频文件与原始音频文件进行比较，看看哪些音频文件与那首歌相匹配，而不管质量如何。直接比较显然不起作用，因为文件的质量不同

---

我相信这可以通过分析歌曲的结构并与原作进行比较来实现，但我对音频工程一无所知，所以这对我帮助不大。所有歌曲的格式都相同（MP3）。而且，我正在使用Python，所以如果有它的绑定，那将是非常棒的；如果没有，JVM甚至本机库也可以，只要它在Linux上运行，我就能知道如何使用它。

首先，您必须更改比较域。分析未压缩文件中的原始样本将毫无用处。您的距离测量将基于从音频样本中提取的一个或多个特征。Wikipedia列出了以下常用功能：

音频指纹经常利用的感知特征包括平均过零率、估计速度、平均频谱、频谱平坦度、一组频带上的突出音调和带宽

---

我没有针对您的编程解决方案，但这里有一个反向工程YouTube音频ID系统。它用于版权侵权检测，这是一个类似的问题。

这其实不是一个简单的任务。我认为任何现成的图书馆都做不到这一点。以下是一种可能的方法：

将mp3解码为PCM

确保PCM数据具有您事先选择的特定采样率（例如16KHz）。您需要对采样率不同的歌曲重新采样。高采样率不是必需的，因为您无论如何都需要模糊比较，但太低的采样率将丢失太多细节

规范化PCM数据（即，找到最大样本值并重新缩放所有样本，以便最大振幅的样本使用数据格式的整个动态范围，例如，如果样本格式是有符号的16位，则在规范化后，最大振幅样本的值应为32767或-32767）

将音频数据拆分为固定样本数的帧（例如：每帧1000个样本）

将每个帧转换为频谱域（）

计算代表两首歌曲的帧序列之间的相关性。如果Correlation大于某个阈值，则假定歌曲相同

Python库：

• （对于步骤1）
• （用于数据处理）--另请参阅以获取一些介绍信息

另一个并发症。您的歌曲在开始时可能会有不同长度的沉默。因此，为了避免误报，您可能需要额外的步骤：

3.1。从头开始扫描PCM数据，直到声能超过预定义的阈值。（例如，使用10个样本的滑动窗口计算RMS，当其超过动态范围的1%时停止）。然后丢弃所有数据，直到此时。

从应答复制：

老AudioScrobbler和现在的工作人员很久以前就在研究同一个问题。目前，可以帮助您完成任务的Python项目是，它将用GUID（实际上是其中的几个）标记音频文件（不仅仅是MPEG 1第3层文件），从那时起，匹配标记就相当简单了

---

如果你喜欢把它作为自己的项目来做，可能会有所帮助。这也许对你的帮助最大。

看看Shazam的工作原理：嗯，听起来不像我想象的那么简单。我最终使用了Picard，至少现在是这样。谢谢。：）PCM数据是字节数组，对吗？在步骤3中，由于我们需要高达32767的振幅，所以在进行规格化时，我相信您会将其转换为整数/双精度数组。如果我错了，请纠正我。此外，我们是否需要在步骤6中计算相关性？或者，如果我们只是比较fft值，看看它们是否在阈值范围内，会怎么样？@LINGS（3）假设步骤（1）中的PCM数据是适当类型的数组（例如int16或float32）。但是，如果所选解码器返回原始字节，那么是的，则需要一个转换步骤。请重新执行步骤（6）：如果您的解决方案必须容忍噪声，那么简单的差异将不起作用，因为某些噪声（如咔嗒声或咔嗒声）会在FFT中造成很大的差异。不过，综合性差异可能会奏效。我不确定相关性是这里最好的比较方法，我没有像我可能应该做的那样研究它，但是当我实现类似的东西时，它工作正常。