Question

我使用pfcalc从声音片段获取音频指纹。它们看起来像这样：

AQAAE9GSKVOkLEOy5PlQE0d9fId7HD-aHD_xhMeRrKORLseX44etHD8AYcAgSrEjDKFAsIGIFAJZ

AQAAE1M9RUkW1NGFH0d4HcnyJIlw4UW17HiyPMHt4B18EX2go9qJTz_eJzgBgBg4CphigUCMGCWFAcAw

AQAAAA

现在我录制声音和指纹，它可能看起来像这样：

AQAAE5ISLVOkTEF-QfURpkGZHHeeIpehB3HMoRKaikbTKHvQNnlwpIdOxNHHY_IPJttlAECEI8BBAAgFAiigAA

现在我正在查看我的数据库，使用levenshtein距离找到最接近的匹配：

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。

我这样做是否正确？那里有更好的指纹库吗？我正在使用python或ruby ..

我试图将一个wistle与一个鸟叫相匹配。

Answer 1

首先，您不应直接比较代码字符串。我不知道pfcalc基于哪种算法，但很可能它会在音频输入的每一帧上测量一些音频功能（例如上面提到的能量，mfcc ......）。这些功能可以是整数值，然后将其转换为字符串（或base64字符串）。因此，比较这些字符串的值没有任何意义（除非您尝试识别相同的音频内容）。

我不确定我是否理解你要做的事情“我试图将一个wistle与鸟叫相匹配”，但我认为你要做的事情不会用音频指法来解决，因为它的设计是为了识别“几乎相似的“音频内容。

Answer 2

使用-raw选项运行fpcalc，为您提供需要比较的32位整数。

./fpcalc -raw audio.wav

为了便于比较，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。

Answer 3

指纹方法无法满足您的需求！

我见过Mel频率倒谱系数（MFFCs）来解决这类问题......

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

音频指纹匹配 - 找到最接近的匹配

3 个答案: