我有成千上万的MP3和非英语歌曲。成千上万的PPT，每个都显示一首歌的歌词。我想编写一个java程序，将正确的MP3与PPT匹配。
我能想到2个策略。我不知道他们是否接近可实施： - 通过某种非英语语音识别功能从歌曲中提取歌词。将它与从PPT中作为文本提取的歌词进行比较。 2.播放歌曲以生成波形。制作一个“Windows Narrator”有点程序从PPTs中读取歌词以获得其波形和音频。然后尝试匹配这两者。
注意： - 1.没有任何MP3嵌入了歌词。 2.输入PPT中的歌词，它们不是图像，所以不需要考虑OCR。
我想知道你们可以提出的任何其他策略＆amp;最重要的是，请写下任何可能有帮助的java软件包。
傅立叶变换是否以任何方式参与？
答案 0 :(得分：2)
另一种方法：写一些东西从PPT中提取文本，并将文本加上来自的PPT文件的名称放入数据库，文本文件或任何可搜索的内容。
编写另一个小应用程序，一次为用户提供一个歌曲文件;给他们一种播放歌曲的方法，一个用于输入歌词的文本框，以及一个搜索按钮，用于搜索你的PPT歌词以进行匹配。当他们找到匹配项时，另一个按钮会根据数据库或其他文件中匹配的歌词文件记录MP3的名称。
聘请几个聪明的大学/高中孩子进行聆听/搜索。
我认为该项目的完成时间和成本远远低于您考虑的项目。
答案 1 :(得分：0)
如果你找到一些好的开源软件，请发布。我怀疑存在这样的事情。
请记住，阅读和演唱会有不同的波形 - 更不用说必须滤除的音乐和声音之间的差异。
此外，请记住，您可能必须执行一些相似度计算，因为并不总是唱出的文字等于书面歌词。
我认为编程这样的任务非常广泛，需要整个团队才能实现。你当然可以处理吗？