python-3.x - 给定两个音频文件，其中一个是另一个的摘要，是否有一种python方法来查找何时在原始文件中重播该摘要？

Question

我录制了一些音乐并上传到instagram，这使每个剪辑的持续时间长达一分钟。我丢失了原始文件，并编辑了这些长达一分钟的剪辑，使得song__AA0, song__AA1, song__AA2, ...对应于一首名为AA的歌曲，并重复了BB, CC, ...。但是因为我手动剪辑了视频，所以song__AA1的开头将重复song__AA0结束的片段；同样，song__A2的开头将重复歌曲song__AA1结束的片段。我曾尝试将这些长达一分钟的剪辑串联起来，但是要手动找到修剪文件的确切时间很困难。 python中是否有一种方法可用于查找第i+1首首歌曲和i第首首歌曲重叠的时间，以便我可以相应地连接这些文件？

Answer 1

一种想法是使用音频指纹识别，例如Dejavu。声学指纹是一种压缩的数字摘要，是一种从音频信号确定性生成的指纹，可以用于识别音频样本或快速定位音频数据库中的相似项目。

本质上，dejavu将在音频的spectrograms上创建哈希。

首先，创建或连接到Dejavu将在其中存储指纹的MySQL。

from dejavu import Dejavu
config = {
    "database": {
        "host": "127.0.0.1",
        "user": "root",
        "passwd": <password above>, 
        "db": <name of the database you created above>,
    }
}
djv = Dejavu(config)
num_processes = 8
audio_extension = [".mp3", ".wav"]
djv.fingerprint_directory("directory_with_long_songs", audio_extension, num_processes) 

现在，您已经创建了指纹，可以进行识别了。

from dejavu.recognize import FileRecognizer
song = djv.recognize(FileRecognizer, "your_shorter.wav")

有关API和输出解释，请查阅文档。
Dejavu是许多此类程序之一。您可以按照以下步骤创建自己的指纹算法: Shazam paper。