梁桓菡

摘要：基于音頻指紋技術對音頻進行檢索識別和分析。音頻指紋技術（Audio fingerprinting technology）是一種通用音頻處理技術。它能根據(jù)旋律準確識別歌名、歌手、專輯名等信息。對識別后的歌曲進行顯示正確信息。應用這項技術可以為每一首歌曲編制特征碼，從而實現(xiàn)歌曲的精確匹配和識別，該技術結合專門的索引算法建立了一套音頻指紋數(shù)據(jù)庫系統(tǒng)（簡稱音頻指紋庫），提供音樂識別服務。

關鍵詞：音頻指紋；echoprint；音頻匹配；音頻數(shù)據(jù)庫

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2016）05-0157-03

1 概述

大家都有遇到過這么一種情況，有時候我們聽到一首歌有點熟悉或是感覺好聽，但我們不知道這首歌叫什么名字，因而沒辦法查找到這首歌的相關的信息。所以為了解決上述這個問題，我們開發(fā)了一個音樂旋律識別及分析系統(tǒng)。通過錄取外界音響設備播放的音樂，并提取該音頻里的指紋信息作為唯一標示符，建立原唱歌曲音頻指紋數(shù)據(jù)庫，提供檢索服務。將錄取音頻的指紋信息和原唱音頻指紋數(shù)據(jù)庫進行匹配，返回歌曲的相似度和歌曲信息。

2 實現(xiàn)原理

2.1開發(fā)環(huán)境和平臺，使用語言

開發(fā)環(huán)境：LINUX；

開發(fā)工具：visual studio 2011，JDK， Python 3.3 ；

開發(fā)語言：c，c++，java，python；

服務器：linux+VMware虛擬機。

2.2引用的技術

2.2.1 Echoprint開源項目

Echoprint 系統(tǒng)由三部分組成。 Codegen指紋生成器將音頻文件（或者音頻樣本）作為輸入，基于Echo Nest Musical Fingerprint （ENMFP）算法產(chǎn)生聲紋。Echoprint服務器維護一個聲紋和音軌信息的索引數(shù)據(jù)庫，并且支持遠程訪問和添加新的聲紋及音軌。 Echoprint數(shù)據(jù)庫本身維護對外公開的音軌和聲紋信息。數(shù)據(jù)庫里有整段音軌的聲紋代碼，但是同大多數(shù)聲紋識別技術類似，有部分片段即可進行比對。Echoprint可以提供至少20s時長片段的聲紋精確匹配。Echoprint總體框架圖

2.2.2 taglib

格式的音頻文件中讀取音頻數(shù)據(jù)。TagLib庫為閱讀和編輯元數(shù)據(jù)幾個流行的音頻格式。目前它支持雙方ID3v1和ID3v2 MP3文件，Ogg Vorbis評論和ID3標簽和Vorbis評論在FLAC，MPC，Speex，WavPack TrueAudio，WAV，AIFF、MP4和ASF文件。

2.2.3 zlib

提供數(shù)據(jù)壓縮用的函式庫，由Jean-loupGailly與Mark Adler所開發(fā)。zlib使用DEFLATE算法，最初是為libpng函式庫所寫的，后來普遍為許多軟件所使用，此函式庫為自由軟件，使用zlib授權。

2.2.4 boost

Boost庫是為C++語言標準庫提供擴展的一些C++程序庫的總稱。Boost庫由Boost社區(qū)組織開發(fā)、維護。其目的是為C++程序員提供免費、同行審查的、可移植的程序庫。Boost庫可以與C++標準庫完美共同工作，并且為其提供擴展功能。大部分boost庫功能的使用只需包括相應頭文件即可，少數(shù)（如正則表達式庫，文件系統(tǒng)庫等）需要鏈接庫。里面有許多具有工業(yè)強度的庫.

2.2.5 FFmpeg

FFmpeg是一套可以用來記錄、轉換數(shù)字音頻、視頻，并能將其轉化為流的開源計算機程序。它包括了目前領先的音/視頻編碼庫libavcodec。 FFmpeg是在Linux下開發(fā)出來的，但它可以在包括Windows在內(nèi)的大多數(shù)操作系統(tǒng)中編譯。這個項目是由Fabrice Bellard發(fā)起的，現(xiàn)在由Michael Niedermayer主持?？梢暂p易地實現(xiàn)多種視頻格式之間的相互轉換，例如可以將攝錄下的視頻avi等轉成現(xiàn)在視頻網(wǎng)站所采用的flv格式。

2.3開發(fā)框架

2.3.1 音頻指紋采集模塊

5 總結

通過努力，以提取音頻音頻指紋為核心，匹配算法為輔，完成了對整個系統(tǒng)的開發(fā)。通過提取的指紋來匹配歌曲，獲得該歌曲的相似度，然后對其進行智能識別。經(jīng)過多次的測試獲得不錯的效果。

參考文獻：

[1] 呂國英.算法設計與分析 [M].清華大學出版社，2012.

[2] 朱戰(zhàn)立.數(shù)據(jù)結構-使用C語言 [M].電子工業(yè)出版社，2013.