我有两个目录，其中包含约 20 GB 的音乐文件（主要是 mp3，一些 ogg），我想检测所有重复的歌曲。有两个复杂的因素：
- 一首歌曲在两个目录中可能有不同的文件名。
- 包含同一首歌曲的两个文件可能具有不同的 ID3 标签，因此具有不同的校验和。
解决这个问题的好方法是什么？
JesperE
问问题
2198 次
9 回答
4
我过去的做法是使用来自 Music IP 的 genpuid。闭源软件创建文件的音频指纹，无论格式、id3、校验和等如何。
更多信息可以在这里找到。
这应该确保最多的正重复匹配并最大限度地减少误报。它还可以正确标记不正确的 id3 标签。
于 2008-10-21T20:06:02.473 回答
2
这是我会做的（或以前做过的）......
- 将所有歌曲加载到 iTunes 上（请耐心等待）（请注意，如果您可以在此处使用 iTunes，请停止……我假设您的受骗名单很长且难以管理）
- 删除所有歌曲，将它们发送到垃圾桶，这样你就摆脱了目录结构
- 显然，不要“清空垃圾”。将歌曲保存到桌面上的文件夹中
- 使用mediamonkey、 dupe eliminator甚至iTunes等软件来识别重复项。Dupe eliminator 很好，因为它检查了不同数量的因素，艺术家，长度，文件大小等等，并猜测什么是骗子，什么不是）
- 重新加载到 Itunes，这一次检查“自动排列歌曲”，这会将你的新的、无重复的列表放到一个不错的按艺术家按专辑的排列中
……瞧！（或者如果您阅读 digg：“...利润！”）
/mp
于 2008-10-21T19:59:20.740 回答
1
ID3/OGG-equiv 艺术家和歌曲元标签是否准确？如果是，您可以使用它们。
编辑：如果他们不是，也许他们可以被制作成......如果你只处理整个专辑，有几个工具可以根据曲目的数量和长度获取所有标签数据。
如果您正在处理专辑和单个文件的混合，它会变得更加复杂。
于 2008-10-21T19:34:45.610 回答
1
如果您有一个可以解析文件的库，您可以对音频数据运行哈希。如果歌曲是不同的翻录或已重新压缩/转码/等，这对您没有帮助。
于 2008-10-21T19:38:12.780 回答
1
我确信那里有更优雅的解决方案 - 但如果音频数据是等效的，那么剥离 ID3 标签和散列应该可以解决问题。散列后，您可以根据需要将 ID3 标签放回去。
于 2008-10-21T20:33:25.663 回答
0
或许Last.fm API会很有用。它包括一个 track.getInfo 调用，该调用返回 XML，包括曲目的长度、艺术家姓名、曲目编号等。您可以比较曲目并查看它们是否有超过 N 个字段相等，如果是，则假设它们是相同的曲目。
不过，我不知道他们是否会同意你提交 40gb 音乐的 API 请求。
于 2008-10-21T19:39:12.887 回答
0
像这样的事情怎么样：找到一个库来获取 mp3 的长度以及指向音频数据的指针（看起来有几个库可以做到这一点），根据歌曲长度进行第一次通过过滤器，然后对于具有匹配长度的歌曲校验和它们的音频数据。与此脚本类似，用于查找重复文件/图像。
于 2008-10-21T19:54:23.700 回答
0
ffTES的一些改编对我非常相似的任务非常有用。
于 2014-02-05T09:45:59.967 回答
0
我遇到了同样的问题，所以我编写了一个命令行程序，试图通过比较声学指纹来检测相似的音频文件：https ://github.com/derat/soundalike
它使用Chromaprintfpcalc的实用程序来生成指纹，然后在更严格地比较指纹之前构建一个查找表以查找可能的匹配项。
当我运行我的音乐库时，它运行得很好，但如果需要，有各种标志来调整它的行为。如果它对你有用（或者如果它不），请告诉我！
于 2022-02-14T03:19:41.107 回答