我有一系列媒体文件，主要是音乐，其中大部分是多年前从 CD 导入的。这个集合已经在不同的媒体播放器、不同的文件系统、不同的计算机等之间传输了很多次。在这个过程中，一些曲目被意外复制了。我还不断尝试整理这些元数据并正确标记所有内容，因为当大部分内容最初是导入时，我没有花哨的媒体播放软件，甚至没有意识到 ID3 标签表明一切都只是“经典专辑“Album”中的曲目 %d”。
这会产生这样一种情况，即我有一些具有最新元数据的文件，但是我想删除的同一媒体文件的“重复”，其元数据尚未正确更新。由于元数据存在于文件中，因此这些文件的内容现在有所不同，并且像liten2这样的工具不起作用。
我的问题是：是否有一个库可以方便地提取文件的媒体内容的唯一标识指纹（可能是某种加密哈希，但这不是硬性要求），而忽略元数据？如果是这样，我该如何使用它？
Echoprint是一种通过内容对音频进行指纹识别的免费方式——即它不依赖于元数据，也不依赖于字节精确的数据匹配。他们的常见问题解答有一个条目“我想对一个大集合进行重复数据删除”。
我认为它的核心不是 python 本身，而是一个 Web API——但它们提供了 pyechonest库。
您可能需要深入了解音频文件（mp3、avi、mpg、ogg 等）的文件格式规范。对于 mp3，这将丢弃所有 ID3v2 元数据块。在文件中识别那些实际编码音频信息的块，然后对这些块进行哈希处理以进行比较。请记住，如果您有两个不同格式的同一曲目的文件，它们将不会被识别为同一个文件。此外，如果您有两次相同格式的相同曲目，但比特率不同，它们也不会相同。
如何（暂时）将文件转换为 WAV 格式并比较它们的哈希值？ID3 标签应该被剥离。有很多工具可以做到这一点，将这个过程嵌入到脚本中应该不会太困难。