下面小編把具體實現代碼給大家分享如下：

之前一段時間讀到了這篇博客，其中描述了作者如何用java實現國外著名音樂搜索工具shazam的基本功能。其中所提到的文章又將我引向了關于shazam的一篇論文及另外一篇博客。讀完之后發現其中的原理并不十分復雜，但是方法對噪音的健壯性卻非常好，出于好奇決定自己用python自己實現了一個簡單的音樂搜索工具―― Song Finder, 它的核心功能被封裝在SFEngine 中，第三方依賴方面只使用到了 scipy。

工具demo
這個demo在ipython下展示工具的使用，本項目名稱為Song Finder,我把索引、搜索的功能全部封裝在Song Finder中的SFEngine中。首先是簡單的準備工作：

工具的返回結果是：

其中展示的分別是歌曲名稱及片段在歌曲中出現的位置（以秒計），可以看到工具正確找回了歌曲的曲名，也找到了其在歌曲中的正確位置。

而對于這段《童話》在1分05秒左右的背景噪音更加嘈雜的錄音：

工具的返回結果是：

可以看到盡管噪音非常嘈雜，但是工具仍然能成功識別所對應的歌曲并對應到歌曲的正確位置，說明工具在噪音較大的環境下有良好的健壯性！

項目主頁： Github

Song Finder原理
給定曲庫對一個錄音片段進行檢索是一個不折不扣的搜索問題，但是對音頻的搜索并不像對文檔、數據的搜索那么直接。為了完成對音樂的搜索，工具需要完成下列3個任務：

對曲庫中的所有歌曲抽取特征
以相同的方式對錄音片段提取特征
根據錄音片段的特征對曲庫進行搜索，返回最相似的歌曲及其在歌曲中的位置
特征提取？離散傅立葉變換！
為了對音樂（音頻）提取特征，一個很直接的想法是得到音樂的音高的信息，而音高在物理上對應的則又是波的頻率信息。為了獲取這類信息，一個非常直接的額做法是使用離散傅葉變化對聲音進行分析，即使用一個滑動窗口對聲音進行采樣，對窗口內的數據進行離散傅立葉變化，將時間域上的信息變換為頻率域上的信息，使用scipy的接口可以很輕松的完成。在這之后我們將頻率分段，提取每頻率中振幅最大的頻率：

這樣，對于一個滑動窗口，我提取到了6個頻率作為其特征。對于整段音頻，我們重復調用這個函數進行特征抽取：

            
def sample(self, filename, start_second, duration = 5, callback = None):

 start = start_second * 44100
 if duration == 0:
  end = 1e15
 else:
  end = start + 44100 * duration
 interval = 8192
 scaled = self.read_and_scale(filename)
 length = scaled.size
 while start < min(length, end):
  feature = self.extract_feature(scaled, start, interval)
  if callback != None:
   callback(filename, start, feature)
  start += interval


          

其中44100為音頻文件自身的采樣頻率，8192是我設定的取樣窗口（對，這樣hardcode是很不對的），callback是一個傳入的函數，需要這個參數是因為在不同場景下對于所得到的特征會有不同的后續操作。

匹配曲庫
在得到歌曲、錄音的大量特征后，如何進行高效搜索是一個問題。一個有效的做法是建立一個特殊的哈希表，其中的key是頻率，其對應的value是一系列(曲名,時間)的tuple，其記錄的是某一歌曲在某一時間出現了某一特征頻率，但是以頻率為key而非以曲名或時間為key。

表格。。

這樣做的好處是，當在錄音中提取到某一個特征頻率時，我們可以從這個哈希表中找出與該特征頻率相關的歌曲及時間！

當然有了這個哈希表還不夠用，我們不可能把所有與特征頻率相關的歌曲都抽出來，看看誰命中的次數多，因為這樣會完全無視歌曲的時序信息，并引入一些錯誤的匹配。

我們的做法是，對于錄音中在t時間點的一個特征頻率f，從曲庫找出所有與f相關的(曲名,時間)tuple，例如我們得到了

不足
這個小工具是一個幾個小時寫成的hack，有許都地方需要改進，例如：

目前只支持了wav格式的曲庫及錄音
所有數據都放在內存中，曲庫體積增大時需要引入更好的后端存儲
索引應該并行化，匹配也應該并行化，匹配的模型其實是典型的map-reduce。

以上就是Python通過90行代碼搭建音樂搜索工具，希望大家喜歡。