问题是寻找任何开源或简单的实现来衡量 iOS 应用程序上两个音频之间的相似程度。
简单来说，音频可以用一维向量来表示，来计算一维向量之间的距离。但是音频长度会有所不同，因此需要一些预处理等。
期待在这里得到一些线索，谢谢
问问题
3930 次
1 回答
6
使用DTW可以有效地计算两个可变长度序列之间的相似性：
http://en.wikipedia.org/wiki/Dynamic_time_warping
这个算法很容易自己实现，并且在 wiki 页面上链接了很多现有的实现。
简单来说，音频可以用一维向量来表示，
在帧上拆分音频并将其转换为特征的二维向量是合理的，其中对于每一帧，您都有一个与不同频带相对应的值（特征）数组。如果要处理音乐，每帧进行 FFT 是个好主意，对于语音，最好计算mel-frequency cepstrum
同样，您可以使用许多现有的库来获取 mel 频率特征，其中之一是语音识别工具包CMUSphinx
于 2013-03-27T11:05:25.920 回答