如何比较/匹配两个不相同的声音片段

我需要每 5 秒采集一次短声音样本，然后将其上传到我们的云服务器。

然后，我需要找到一种方法来比较/检查该样本是否是完整长音频文件的一部分。

样本将通过手机麦克风录制，因此它们确实不准确。

我知道这个主题可能会变得非常技术性和复杂，但我确信一定有一些库或在线服务可以帮助完成这种复杂的音频匹配/配对。

一种想法是使用音频到文本转换服务，然后根据实际对话进行匹配。然而，这对我来说并不有效。基于实际声音频率或模式的匹配会更有效。

我知道有一些服务可以进行这种类型的音频匹配，例如 Shazam。不过我想他们的服务都是合宜的。

一些可能影响它的因素：

• 两个音频样本都带有时间戳。所以我们不必搜索整个声音片段。

为了让您获得答案，您需要专注于您已经完成战斗并显示代码的可回答问题

在我的脑海中，我会走过音频，取出一桶多个样本...然后将桶滑过几个样本并执行另一个桶拔取操作...允许每个桶包含前一个桶中也包含的重叠样本以及下一个桶...更少的样本，更快的计算，更多的样本，在一定程度上更高的准确性 YMMV

...将每个桶输入傅里叶变换，将时域输入音频渲染为其频域对应项...将每个桶的 FFT 显着属性记录到数据库中，例如具有最大能量的 X 频率（最大幅度）你的快速傅里叶变换）

...还可以存储那些最高 X 频率相对于其能量的标准偏差（这些频率的分散程度如何）...根据需要定义其他此类属性...对于这种频域方法的工作，您需要相对较少由于 FFT 适用于周期性时间序列数据，因此每个存储桶中都有样本，因此如果您为其提供 500 毫秒的复杂音频（例如语音或音乐），您将不再拥有周期性音频，而是拥有糊状音频

然后，一旦所有现有音频都通过上述处理发送，对您的实时新音频执行相同的操作，然后确定哪些先前音频包含与您当前音频输入最相似的存储桶序列...使用贝叶斯方法，以便您的猜测附加概率权重自己实时更新

听起来是一个非常酷的项目，祝你好运……这里有一些音频指纹资源

音频片段 A 是否出现在音频文件 B 中 检测音频中的音频[音频识别]检测音频中的音频[音频识别] https://stackoverflow.com/questions/61760505/detecting-audio-inside-audio-audio-recognition

在 Arduino 中从 FFT 检测特定模式在 Arduino 中从 FFT 检测特定模式 https://stackoverflow.com/questions/57151674/detecting-a-specific-pattern-from-a-fft-in-arduino/57152618#57152618

使用 AudioContext API 进行音频指纹识别https://news.ycombinator.com/item?id=21436414 https://news.ycombinator.com/item?id=21436414 https://iq.opengenus.org/audio-fingerprinting/ https://iq.opengenus.org/audio-fingerprinting/

Chromaprint 是 AcoustID 项目的核心组件。 它是一个客户端库，实现了从任何音频源提取指纹的自定义算法https://acoustid.org/chromaprint https://acoustid.org/chromaprint

从 FFT 检测特定模式在 Arduino 中从 FFT 检测特定模式 https://stackoverflow.com/questions/57151674/detecting-a-specific-pattern-from-a-fft-in-arduino/57152618#57152618

音频地标指纹识别作为节点流模块 - nodejs 将 PCM 音频信号转换为一系列音频指纹。https://github.com/adblockradio/stream-audio-fingerprint https://github.com/adblockradio/stream-audio-fingerprint

所以后续 如何比较/匹配两个不相同的声音片段如何比较/匹配两个不相同的声音片段 https://stackoverflow.com/questions/49895223/how-to-compare-match-two-non-identical-sound-clips

Python 中的音频指纹识别和识别https://github.com/worldveil/dejavu https://github.com/worldveil/dejavu

使用 Python 和 Numpy 进行音频指纹识别http://willdrevo.com/fingerprinting-and-audio-recognition-with-python/ http://willdrevo.com/fingerprinting-and-audio-recognition-with-python/

MusicBrainz：开放的音乐百科全书（musicbrainz.org）https://news.ycombinator.com/item?id=14478515 https://news.ycombinator.com/item?id=14478515

https://acoustid.org/chromaprint https://acoustid.org/chromaprintChromaprint 是如何工作的？https://oxygene.sk/2011/01/how-does-chromaprint-work/ https://oxygene.sk/2011/01/how-does-chromaprint-work/

https://acoustid.org/ https://acoustid.org/

MusicBrainz 是一个开放的音乐百科全书，收集音乐元数据并将其提供给公众。https://musicbrainz.org/ https://musicbrainz.org/

Chromaprint 是 AcoustID 项目的核心组件。 它是一个客户端库，实现了从任何音频源提取指纹的自定义算法https://acoustid.org/chromaprint https://acoustid.org/chromaprint

音频匹配（音频指纹） https://stackoverflow.com/questions/26357841/audio-matching-audio-fingerprinting

是否可以比较两首相似歌曲的 wav 文件？是否可以比较两首相似歌曲的 wav 文件？ https://stackoverflow.com/questions/44483441/is-it-possible-to-compare-two-similar-songs-given-their-wav-files

音频哈希https://en.wikipedia.org/wiki/Hash_function#Finding_similar_records https://en.wikipedia.org/wiki/Hash_function#Finding_similar_records

音频指纹

ACR云https://www.acrcloud.com/ https://www.acrcloud.com/ 如何使用 Python 和 Gracenote 识别音乐样本？ https://stackoverflow.com/questions/38075577/how-to-recognize-a-music-sample-using-python-and-gracenote

音频地标指纹识别作为节点流模块 - nodejs 将 PCM 音频信号转换为一系列音频指纹。https://github.com/adblockradio/stream-audio-fingerprint https://github.com/adblockradio/stream-audio-fingerprint