任何人都可以为以下内容提供链接、建议或其他形式的帮助？
目标 - 使用 python 对 10 秒的音频样本进行分类，以便之后我可以对着麦克风说话，让 python 从 db 中挑选并播放最接近匹配的片段（一起淡出）。
我的目标不是获得最接近的匹配，我不在乎音频样本的来源是什么。所以结果可能除了在噪音中说话（有趣）之外没有任何用处。
我希望 python 应用程序能够找到 FFT 的特定匹配，例如在 db 中的 10 秒样本内。我猜麦克风的实时采样会有 100 毫秒的缓冲采样。
有任何想法吗？快速傅里叶变换？什么分贝？其他？
为了做到这一点，你需要三件事：
分割：您目前使用 10 秒样本进行描述。我认为使用较短的片段（接近 100-1000 毫秒）可能会获得更好的结果，以便更好地适应语音的变化。
特征提取：您提到使用 FFT。考虑到它的简单程度，过零率出奇地好。如果你想更花哨，使用MFCC或光谱质心可能是要走的路。
距离度量：大多数人使用欧几里得距离，但也有更高级的，如曼哈顿距离、余弦距离和推土机距离。
对于数据库，如果您有足够少的样本集，您可以尝试将所有内容加载到kdtree中，以便您可以进行快速距离计算，并将其保存在内存中。
祝你好运！这听起来像是一个有趣的项目。
尝试搜索有关“音乐指纹”的算法。
您可以尝试一些典型的短期特征提取（例如能量、过零率、MFCC、光谱特征、色度等），然后通过特征统计向量对您的片段进行建模。然后，您可以使用一个简单的基于距离的分类器（例如 kNN），以便在给定未知“查询”的情况下，从手动标记的集合中检索“最接近”的训练样本。
在几个 Python 音频分析功能上查看我的库：pyAudioAnalysis