音乐指纹识别是如何工作的（对于像Shazam和Lala.com这样的网站）？

Question

我的大型（120gb）音乐收藏包含许多重复的歌曲，我一直在尝试指纹，以期检测重复。既然我是CS专业，我很好奇在那里做了什么？我所做的一切几乎都没有Shazam或Lala.com这样的准确性。他们如何“哈希”曲目？我已经在我的所有文件（26,000个文件）上运行了标准的MD5哈希，我在不同的轨道上发现了数百个相等的哈希，所以这不起作用。

我对Lala.com更感兴趣，因为他们使用完整的文件，不像Shazam，但我假设两者都使用类似的技术。任何人都可以解释如何为音乐生成唯一标识符吗？

Answer 1

关于音频指纹识别的开创性论文是Haitsma和Kalker在2002 - 03年的工作。对于每个音频帧，它进行预处理（跨时间帧和频段的差异），然后存储帧频谱的二值化版本。

此过程增加了稳健性。如果整个信号在时间上移位，它仍然有效（至少，可以得出性能下降的下限）。它对环境噪音非常强劲。自成立以来，已有很多关于低级音乐相似性的论文，因此没有单一答案。

你有完全相同的文件，即信号是时间对齐的，比特深度是一样的，采样率是一样的吗？然后我会认为像MD5这样的散列应该可行。但是如果这些参数中的任何一个被改变，那么哈希也会改变。在这种情况下，像前面提到的那样的程序会更好。

查看免费在线提供的ISMIR程序。好玩的东西。 http://www.ismir.net/

Answer 2

有许多声学指纹识别算法。一些比较流行的是：

1. AMG LASSO
2. AudioID
3. LibFooID

实际上libfooId是开源的，所以你可以用google-code查看它的代码!!

Answer 3

查看维基百科上的Acoustic Fingerprint页面。它包含一些论文的参考资料以及实现的链接（包括开源fdmf）。

Answer 4

经过一些更多的研究（虽然这根本没有结论！），我在MusicBrainz.org的维基上发生了一些详细介绍了他们使用的方法：

http://musicbrainz.org/doc/Audio_Fingerprint

http://musicbrainz.org/doc/How_PUIDs_Work