Question

我目前难倒。我一直在环顾四周，试验音频比较。我发现了相当多的材料，并且有大量的参考文献和方法来实现它。

截至目前，我已经使用 Audacity 并导出了一个名为“long.wav”的3分钟wav文件，然后将其前30秒分成一个名为“short.wav”的文件。我想通过线路的某处我可以通过java在每个视觉上记录（log.txt）数据，并且应该能够在值中看到至少一些视觉上的相似性....这里是一些代码

主要方法：

        int totalFramesRead = 0;
        File fileIn = new File(filePath);
        BufferedWriter writer = new BufferedWriter(new FileWriter(outPath));
        writer.flush();
        writer.write("");
        try {
            AudioInputStream audioInputStream = 
                    AudioSystem.getAudioInputStream(fileIn);
            int bytesPerFrame = 
                    audioInputStream.getFormat().getFrameSize();
            if (bytesPerFrame == AudioSystem.NOT_SPECIFIED) {
                // some audio formats may have unspecified frame size
                // in that case we may read any amount of bytes
                bytesPerFrame = 1;
            } 
            // Set an arbitrary buffer size of 1024 frames.
            int numBytes = 1024 * bytesPerFrame; 
            byte[] audioBytes = new byte[numBytes];
            try {
                int numBytesRead = 0;
                int numFramesRead = 0;
                // Try to read numBytes bytes from the file.
                while ((numBytesRead = 
                        audioInputStream.read(audioBytes)) != -1) {
                    // Calculate the number of frames actually read.
                    numFramesRead = numBytesRead / bytesPerFrame;
                    totalFramesRead += numFramesRead;
                    // Here, do something useful with the audio data that's 
                    // now in the audioBytes array...

                    if(totalFramesRead <= 4096 * 100)
                    {                           

                    Complex[][] results = PerformFFT(audioBytes);
                    int[][] lines = GetKeyPoints(results);
                    DumpToFile(lines, writer);      

                    }   
                }
            } catch (Exception ex) { 
                // Handle the error...
            }
            audioInputStream.close();
        } catch (Exception e) {
            // Handle the error...
        }
        writer.close();

然后 PerformFFT ：

public static Complex[][] PerformFFT(byte[] data) throws IOException
    {
        final int totalSize = data.length;

        int amountPossible = totalSize/Harvester.CHUNK_SIZE;

        //When turning into frequency domain we'll need complex numbers:
        Complex[][] results = new Complex[amountPossible][];

        //For all the chunks:
        for(int times = 0;times < amountPossible; times++) {
            Complex[] complex = new Complex[Harvester.CHUNK_SIZE];
            for(int i = 0;i < Harvester.CHUNK_SIZE;i++) {
                //Put the time domain data into a complex number with imaginary part as 0:
                complex[i] = new Complex(data[(times*Harvester.CHUNK_SIZE)+i], 0);
            }
            //Perform FFT analysis on the chunk:
            results[times] = FFT.fft(complex);
        }
            return results;
}

此时我已尝试在任何地方进行记录：变换前的audioBytes，复杂值和FFT结果。

问题：无论我记录什么值，每个wav文件的log.txt都完全不同。我不明白。鉴于我从large.wav获取了small.wav（并且它们具有所有相同的属性），原始wav byte [] data ...或Complex [] [] fft数据之间应该存在非常大的相似性。 ......或者到目前为止的东西......

如果在这些计算的任何时刻数据都不接近相似，我怎么可能尝试比较这些文件。

我知道我在音频分析方面缺少相当多的知识，这就是我来到董事会寻求帮助的原因！感谢您提供的任何信息，帮助或修复!!

Answer 1

你看过MARF了吗？它是一个用于音频识别的文档齐全的Java库。

它用于识别扬声器（用于转录或保护软件），但应该能够使用相同的功能对音频样本进行分类。我不熟悉它，但看起来你想要使用FeatureExtraction类从每个音频样本中提取一系列特征，然后创建一个唯一的id。

Answer 2

对于16位音频，3e-05并非与零完全不同。因此，零文件与零文件几乎相同（可能由于一些微小的舍入错误而缺少相等性。）

增加：为了便于比较，使用一些Java绘图库读入并绘制两个波形中的每一个的一部分，当它们超过大部分（接近）零的部分时。

Answer 3

我认为对于调试你最好尝试用matlab绘制出来。因为matlab在处理这个问题时要强大得多。

你使用＆＃34; wavread＆＃34;到文件，＆＃34; stft＆＃34;获得短时傅立叶变换，这是一个复数矩阵。然后简单地用abs（Matrix）来得到每个复数的大小。用imshow显示图像（abs（Matrix），[]）。

我不知道你如何比较整个文件和30s剪辑（通过查看stft图像？）

Answer 4

我不知道你是如何比较两个音频文件的，但是，看到一些提供音乐识别的服务（如TrackId或MotoID），这些服务会收集你听到的一小部分音乐样本（10-20秒）），然后在他们的服务器中处理它们，我推测他们有长或更少的样本，并且他们有一个数据库（或在运行中计算）模式（在你的情况下是傅立叶变换），在你的情况下，您可能需要以比样本数据更大或更小的块来中断长音频文件，在第一种情况下，您可能会发现一个特定的块，它类似于样本数据中的模式，在第二种情况下，您的较小块可能会重新排序部分样本数据，您可以计算样本数据属于相应音频文件的概率。

Answer 5

我认为你在看Acoustic Fingerprinting 这很难，还有库可以做到。如果您想自己实现它，this是关于shazam算法的白皮书。

Wav比较，同一个文件

5 个答案: