我正在制作一个应用程序，当识别出拍手的声音时执行一个动作。我研究过简单地测量 AVAudioRecorder 的平均功率和峰值功率，这工作正常，但如果有其他声音，那么它会报告很多误报。我相信我需要某种音频指纹识别才能在其他音频播放时工作。现在我知道之前在 SO 上已经有人问过这个问题，但是大多数答案都说“使用 FFT”，然后这个人说“哦，好吧！” 但没有给出明确的解释，我仍然不知道如何使用 FFT 正确识别声音。
任何人都可以清楚地解释，引用另一个教程，或发布可以使用音频指纹识别声音的库的链接吗？
谢谢！