比较两个音频文件

Question

基本上，我有很多代表同一首歌的音频文件。然而，其中一些质量比原始质量差，有些被编辑到它们与原始歌曲不再匹配的地方。我想要做的是以编程方式将这些音频文件与原始文件进行比较，看看哪些与该歌曲匹配，无论质量如何。直接比较显然不起作用，因为文件的质量各不相同。

我相信这可以通过分析歌曲的结构并与原作进行比较来完成，但我对音频工程一无所知，所以这对我没有多大帮助。所有歌曲的格式相同（MP3）。另外，我正在使用Python，所以如果有绑定，那就太棒了;如果没有，JVM甚至本地库的东西也可以，只要它在Linux上运行，我就可以弄清楚如何使用它。

Answer 1

这实际上不是一项微不足道的任务。我不认为任何现成的库可以做到这一点。这是一种可能的方法：

1. 将mp3解码为PCM。
2. 确保PCM数据具有您预先选择的特定采样率（例如16KHz）。您需要重新采样具有不同采样率的歌曲。由于您无论如何都需要进行模糊比较，因此不需要高采样率，但过低的采样率会丢失太多细节。
3. 归一化PCM数据（即找到最大样本值并重新调整所有样本，使得幅度最大的样本使用整个动态范围的数据格式，例如，如果样本格式为16位，则在归一化后最大幅度样本应具有值32767或-32767）。
4. 将音频数据拆分为固定数量样本的帧（例如：每帧1000个样本）。
5. 将每个帧转换为频谱域（FFT）。
6. 计算代表两首歌曲的帧序列之间的相关性。如果相关性大于某个阈值，则假设歌曲相同。

Python库：

• PyMedia（针对第1步）
• NumPy（用于数据处理） - 另请参阅this article了解一些介绍性信息

另外一个复杂因素。您的歌曲在开始时可能会有不同的沉默长度。因此，为了避免漏报，您可能需要一个额外的步骤：

3.1。从头开始扫描PCM数据，直到声能超过预定阈值。 （例如，用10个样本的滑动窗口计算RMS，当它超过动态范围的1％时停止）。然后丢弃所有数据，直到这一点。

Answer 2

首先，您必须更改您的比较域。分析未压缩文件中的原始样本将无处可寻。您的距离测量将基于您从音频样本中提取的一个或多个功能。维基百科列出了Acoustic Fingerprinting常用的以下功能：

  

音频指纹经常利用的感知特征包括平均过零率，估计速度，平均频谱，频谱平坦度，一组频段的突出音调和带宽。

我没有针对您的程序化解决方案，但这是interesting attempt对YouTube音频ID系统进行逆向工程。它用于版权侵权检测，类似的问题。

Answer 3

从that回复

复制

完全相同的问题是，旧的AudioScrobbler和目前在MusicBrainz的人们很久以前一直在努力。目前，可以帮助您完成任务的Python项目是Picard，它将使用GUID（实际上是其中几个）标记音频文件（不仅是MPEG 1第3层文件），然后从那时开始在，匹配标签非常简单。

如果您希望将其作为自己的项目，libofa可能会有所帮助。 documentation for the Python wrapper或许会对你有所帮助。