audio - 声音样本识别库/代码

Question

我不想要声音到文本的软件。我需要的是以下内容:

我将录制多个(比如 50 多个)音频流(广播电台的录音)

从这些录音中，我会标记有趣的音频剪辑——它们的长度范围从 2 到 60 秒——会有几千个这样的音频剪辑

库应该能够从录制的声音流中找到相同音频剪辑的其他实例

应将置信因子报告给使用的并提供额外的输入，以便下次识别可以更好地执行

你知道这样的软件库吗？ LGPL 对我来说最有值(value)，但我也可以申请商业许可。

音频剪辑将包含音乐、文本、效果或其任意组合。所以，文本识别是不可能的。

体系结构:c++，C# 用于胶水，如果可能的话，使用 CUDA。

Answer 1

我还没有找到任何图书馆(还)，但是有两篇有趣的论文，它们可能会给你提供术语和背景来优化你的搜索:

Audio Fingerprinting for Broadcast Streams

Audio Segment Retrieval using HMM

编辑:搜索“音频指纹”来到了一个实现页面，包括开源和商业。

http://wiki.musicbrainz.org/AudioFingerprint

Picard似乎已经建立良好，如果您的剪辑包含音乐，可能会很有用。

这是一个 introduction to Audio fingerprinting