声学指纹的原理是什么？

Question

什么样的API或框架被用来分配一个音符的一个值？比如，像Shazzam这样的应用程序如何从麦克风中获取信息，并知道该如何处理它？对我来说，这是惊人的电话，麦克风和一些巧妙的逻辑可以竞争调谐器从一个音乐商店！

编辑1。

关于这个主题的有趣的论文。音乐识别应用软件Shazzam基于声指纹和快速傅里叶变换的原理

下面是实践中的一些类似代码的示例

Answer 1

声学指纹算法不尝试分析音乐。也就是说，他们不把声音从麦克风转换成音符。他们正在从音频中提取一些任意的特征，从音乐理论的角度来看，这些特征没有多大意义，但它们仍然对识别音乐很有用。

通常情况下，你会从一个谱图开始。谱图是对频率随时间变化的分析。这在几乎所有的声学指纹算法中都很常见。不同的是，他们如何处理光谱图，以及他们从其中提取了什么样的特征。有些算法正在寻找谱图中的峰值，有些算法则将其分成规则的间隔。最终目标通常是生成一堆哈希，您可以索引和快速搜索。

Avery Li-Chun Wang的原始Shazam算法是公开的.你可以找到细节这里。

Answer 2

简短而简单的解释。

步骤1.使用FFT分析所有歌曲文件的原始频率

第二步，利用已有的FFT分析结果，建立合适的树型数据结构，从而可以按频率搜索歌曲。

步骤3.使用麦克风从外部环境录制歌曲。并对其进行了FFT分析。从以前的频率树中搜索匹配频率。