21

我一直想知道存在多少不同的搜索技术，用于搜索文本、搜索图像甚至是视频。

但是，我从未遇到过在音频文件中搜索内容的解决方案。

例如：假设我有大约 200 个播客以 mp3、wav 和 ogg 文件的形式下载到我的 PC 上。它们都被统称为 podcast1.mp3、podcast2.mp3 等。因此，如果不实际听到它们，就不可能知道内容是什么。可以这么说，我有兴趣找出播客谈论“游戏编程”的内容。我希望结果显示为：

  • Podcast1.mp3 - 时间索引处的 3 个结果 - 0:16:21、0:43:45、1:12:31
  • Podcast21.ogg - 时间索引处的 1 个结果 - 0:12:01

所以我的问题：

  • 如何解决这个问题？
  • 是否有合适的算法来做这样的事情？

我脑海中浮现的一个想法是，可以使用“语音到文本”软件来获取每个音频文件的成绩单以及时间索引，然后解析成绩单以获得输出。

我认为这是我的爱好项目之一。谢谢！

4

1 回答 1

9

如果您想在音频流中搜索文本（即所说的内容），则必须使用某种语音识别算法对其进行处理，并将文本存储为与文件关联的元数据。对于视频，您还可以对视频中的文本进行文本识别。Evernote已经为图像文件中的文本执行此操作，但据我所知不支持音频。

使用音频搜索音频时可能会出现类似情况。我不知道这些算法的细节，但我猜它们涉及某种频率分析。Shazam正在使用这种技术来识别基于音频剪辑的歌曲。

以下是一些可能有用的维基百科文章：

于 2008-08-22T22:04:11.793 回答