Question

我目前正在调查dejavu.py（some more info），我必须说到目前为止我对此印象深刻。虽然我发现文档在用户界面方面有点不完整当您使用oDjv.recognize(FileRecognizer, sFile)识别来自文件的歌曲时，会返回一个如下所示的字典：

{'song_id': 2, 'song_name': 'Sean-Fournier--Falling-For-You', 'file_sha1': 'A9D18B9B9DAA467350D1B6B249C36759282B962E', 'confidence': 127475, 'offset_seconds': 0.0, 'match_time': 32.23410487174988, 'offset': 0}

从记录（oDjv.recognize(MicrophoneRecognizer, seconds=iSecs)）：

{'song_id': 2, 'song_name': 'Sean-Fournier--Falling-For-You', 'file_sha1': 'A9D18B9B9DAA467350D1B6B249C36759282B962E', 'confidence': 124, 'offset_seconds': 24.89179, 'offset': 536}

所以，问题：
1）究竟什么是confidence，是否存在置信水平的上限？

2）offset_seconds和offset之间有什么区别？

3）为什么算法需要在30到60秒之间（在我运行的所有测试的情况下）从磁盘识别歌曲，但是在录制音频时它可以在10秒左右完成？

4）当运行从音频录制的功能时，我从该功能获得实际输出之前的以下代码块（即使成功）。我们要去哪儿？

ALSA lib pcm_dmix.c:1022:(snd_pcm_dmix_open) unable to open slave
ALSA lib pcm.c:2239:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.rear
ALSA lib pcm.c:2239:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.center_lfe
ALSA lib pcm.c:2239:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.side
bt_audio_service_open: connect() failed: Connection refused (111)
bt_audio_service_open: connect() failed: Connection refused (111)
bt_audio_service_open: connect() failed: Connection refused (111)
bt_audio_service_open: connect() failed: Connection refused (111)
ALSA lib pcm_dmix.c:1022:(snd_pcm_dmix_open) unable to open slave
Cannot connect to server socket err = No such file or directory
Cannot connect to server request channel
jack server is not running or cannot be started

5）是否有可以插入配置的在线音乐数据库？

dConfig = {
    "database": {
        "host": "some magical music database",
        "user": "root",
        "passwd": "", 
        "db": "dejavu"
    }
}

oDjv = Dejavu(dConfig)

Answer 1

您的大多数问题都可以在Dejavu github README.md或writeup and explanation here中找到。

但要回答每个有问题的问题：

在Dejavu中，confidence是当前音频片段中“对齐”到数据库最接近匹配的指纹哈希数。没有概率解释。请记住，每个音频文件可能有数千个指纹，因此将其作为参考点。
它们的持续时间相同，但单位不同。 offset_seconds表示为秒，offset表示为length of the algorithm's time bins。
Dejavu以3倍的收听速度指纹大多数歌曲。因此，一段3分钟的歌曲可能需要更长的时间，比如一段短暂的音频片段，它会收听10秒钟。您可以使用python dejavu.py --recognize mic 5调整默认命令行麦克风识别所需的时间，该fingerprint_limit侦听5秒而不是默认值10.FYI，库的最佳选项之一是您还可以更改秒数Dejavu使用JSON config file使用pyaudio密钥进行磁盘识别。
您的安装有问题，或者您使用的虚拟机不知道如何录制音频并将其输入DEFAULT_FAN_VALUE。在您的情况下，请参阅this solution，也许这可能会有所帮助。
没有在线音乐数据库，您可以插入自己的MySQL或（很快）PostgreSQL并记录自己的指纹。 Dejavu旨在识别各种预先录制的音频。此外，每个用户的需求都不同。想要更准确的指纹识别而牺牲大多数指纹？提高FINGERPRINT_REDUCTION。需要更高的碰撞保证，但不介意额外的存储成本？您可以减少#include <stdio.h> int main () { int i; int x = 0; int nb = 0; while(x != EOF) { printf("\nHow many circles do you want to write?\n"); nb = 0; for (x = getchar(); x != '\n'; x = getchar()) { if (x == EOF) goto end; if (x >= '0' && x <= '9') { nb = nb * 10 + x - '0'; } } for (i = 0; i < nb; i++) { putchar('o'); } } end: printf("\n\n Bye! \n\n"); return 0; }并保留每个SHA-1的更多字符。 Dejavu旨在适应许多不同的用例，这必然意味着如果您更改this file中的指纹识别参数，您的数据库将具有不同的分布和结构。

Answer 2

每个人都已经得到了很好的回答，只需进一步澄清1）。

每个文件有数千个指纹的原因是因为Dejavu试图根据声音识别歌曲，无论歌曲样本的长度，歌曲中样本的位置或录制中可能存在的任何噪音（它试图实现Shazam试图达到的相同目的）。每个指纹由音频内容本身的许多数据样本构成，导致潜在的大量指纹。 Dejavu有很多因素影响所获指纹的大小和数量，使其能够根据您自己的要求进行微调。

如果我们每个文件只使用一个指纹，那么找到匹配的唯一方法就是你输入的是同一个文件。

@ tkhurana96，对不起，我还没有回复评论的声誉，但希望能为你澄清一些事情。

dejavu.py识别的歌曲的附加信息

2 个答案: