在较长的音频样本中，要使用什么技术来识别音频样本所处的位置？

Question

我感兴趣的是可以使用哪些技术和算法来解决以下问题：

我有一个音频样本数据库，特别是各种歌曲的现场表演。我有十几首歌，每首歌我都有十几首歌的表演样本。

我希望每首歌有一个以上的样本，就有可能更好地“锁定”歌曲的一般特征，滤除噪音和不同的表演。这些都是现场表演，每个样本都有点不同，有些被拍到的质量比其他(直接从有声人和人群中的电话录音)，有些歌曲有插曲，假开始(吉他手忘记打开安培)，开始太晚，结束太早…。

现在，除了这个数据库之外，接下来是一个当前正在播放的歌曲的实时提要，我感兴趣的是使用ML来找出哪首歌是最有可能的实时提要。在我看来，可能是继续捕获活动提要，从而使其与现有示例数据库的功能匹配的变化增加，或者如果无法使用这样的活动提要，定期分割固定大小的块可能更实用。

我感兴趣的是找出什么是最常见的/最可靠的方法，以找出哪首歌曲最有可能是现场音频，以及最上面的位置，在歌曲中是当前的实况提要。

Answer 1

在第一步中，我认为您应该先对歌曲波动进行离散化，然后对每个块进行傅里叶变换(例如，在numpy中，可以使用numpy.fft())。这个链接可能会有帮助。之后，您可以尝试序列模式识别模型。