问题标签 [audio-fingerprinting]

我必须开发一个应用程序，我必须在其中使用麦克风收听声音。并且每当检测到烟雾警报声时，应用程序必须通知用户有火灾警报。为此，我正在考虑两种可能的解决方案

1 :) 使用 Speech To Text 识别器将烟雾警报声音转换为文本并存储该文本。并且在下一次收到烟雾警报声时，相同的 Speech To Text 识别器会将其转换为相关文本，如果该文本与存储的文本匹配，那么我认为它是警报声。

2：）存储报警声音，并通过比较波形将记录的声波与存储的声音匹配。这只是我的假设，因为我不是这些领域的专家。

到目前为止，我已经收集到这种声音匹配技术是通过audio fingerprinting即每个音频都有一个不同的指纹来完成的，如果我们能够匹配两个音频的指纹，那么它们被认为是相同的。

为此，我最近发现了以下链接

http://www.royvanrijn.com/blog/2010/06/creating-shazam-in-java/

http://masl.cis.gvsu.edu/2012/01/25/android-echoprint/

https://code.google.com/p/musicg/

这似乎更接近我的问题的解决方案。我仍在努力掌握所有这些，但大家的任何帮助都将受到广泛赞赏。

有没有人有使用 Dejavu 库在 Python 中进行音频指纹识别和识别的经验？它工作正常，但我感兴趣的是，到目前为止，我一次只能识别一个文件：

任何人都知道如何以及在哪里创建一个循环，该循环将从上面对文件夹中的所有文件执行该打印命令？我认为应该在这里的某个地方创建循环：

https://github.com/worldveil/dejavu/blob/master/dejavu/recognize.py

我知道它应该使用 glob 模块完成，但由于我是新手，不知道将它与该循环放在哪里，所以我不会提示输入确切的文件以进行识别！

我构建了一个类似的应用程序 Shazam，但它仅适用于发送 10 秒音频的整个文件。

我的疑问是：在 android 中，在播放音乐和搜索数据库时，有什么可以像 Shazam 一样保留的吗？还是它自己的 Shazam 服务技术？

我有一个所有 id3 标签为空的音频文件。我想提取声学指纹并使用在线服务来获取 id3 标签。

我怎样才能在 Java 中做到这一点？是否有在线服务可以让我通过音频指纹并返回标签？

我目前正在开发一个应用程序，它使用 Gracenote 移动客户端来创建指纹并识别我正在听的音乐。我已经在我的项目中成功实现了它，但现在由于业务需求，我必须使用 Gracenote 录制的音频进行不同的处理。

关键是：由于 GNAudioSourceMic 封装了整个麦克风录制操作，例如 startRecording/stopRecording，所以我无法访问麦克风原始音频。

这是我正在使用的代码：

是否有人面临与上述相同的需求？

提前致谢

我已经搜索了很长时间，但没有找到任何真正有效的方法。
这个想法是我有一个音乐混合（主要是 .mp3），我正在尝试使用 pyechonest 来制作曲目列表来识别曲目。但是，这只会识别单个轨道（如果我错了，请纠正我），所以我想有另一个模块可以将混音分成单独的轨道。

我查看了 pydub 以进行音频拆分，但仍然存在检测问题。

提前致谢。

编辑：所以，我找到了一种剪切文件的方法，但现在 pyechonest 正在返回播客的名称而不是它自己的曲目名称，我的代码（例如 5 个部分）：

显然不是我想要的......有什么方法可以强制 echonest 不查看播客，或者返回多种可能性或类似的东西？

朋友们，

我正在尝试创建一个可以识别某人声音的应用程序。

这是一个可能的场景：

1) 用户（John）第一次启动应用程序，应用程序要求 John 创建一个语音密码（例如“Lock”）。2）约翰第二次启动应用程序说“锁定”--->成功！3) Mary 在 Johns 手机上启动应用程序并说“锁定”--> 访问被拒绝！

基本上通过他/她的声音来识别用户。

关于我如何解决这个问题的任何建议？我是安卓新手。是否有任何 publick api 已经做到这一点，我可以使用。

我知道 Android 中的 SpeechRecognizer 类可以识别语音，但它无法确定谁在说话。我需要的是音频指纹，这是 SpeechRecognizer 无法做到的（据我所知）。

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！

所以我一直试图弄清楚如何将文件上传到 echonest 服务器上进行分析，但我无法，实际上在 :Track track = echoNest.uploadTrack(file,true); 之后没有任何反应。

我在互联网上搜索时遇到了类似的问题，但我找不到解决方案。

http://archive-com.com/page/3694036/2014-02-11/http://developer.echonest.com/forums/thread/365

http://developer1072.rssing.com/chan-22893681/all_p31.html#item617

http://developer.echonest.com/forums/thread/1624

这是我收到的错误

我想在matlab中应用以下步骤

1) 读取音频数据

2）对该数据应用窗口函数

3）对窗口函数的结果应用fft

4）制作fft的功率谱

5) 将功率谱划分为 Barks 频带

我没有得到正确的波形，想绘制频谱，然后分成树皮带。