声音样本识别库/代码

我还没有找到任何库,但有两篇有趣的论文,可以为您提供术语和背景来完善您的搜索:

• 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,既有开源的,也有商业的。

• http://wiki.musicbrainz.org/AudioFingerprint
• Picard 似乎是建立良好的,如果你的剪辑包含音乐可能是有用的。

这里是一个 introduction to Audio fingerprinting

你所描述的是 matched filter 你只需要一个 cross-correlation 功能应该是任何合理的DSP库的一部分。 根据您对处理器体系结构和语言的选择,您甚至可以找到一个可以更有效地执行此操作的矢量化库。

如果您不太关心性能,可以使用python…

$ python
Python 2.6.4 (r264:75706, Dec  7 2009, 18:45:15) 
[GCC 4.4.1] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import scipy
>>> interesting_clip = [ 5, 7, 2, 1]
>>> full_stream = [ 1, 5, 7, 2, 1, 4, 3, 2, 4, 7, 1, 2, 2, 5, 1]
>>> correlation = scipy.correlate (full_stream, interesting_clip)
>>> print correlation
[56 79 55 28 41 49 44 53 73 48 28 35]
>>> for offset, value in enumerate(correlation) :
...     if (value > 60) :
...         print "match at position", offset, "with value of", value
... 
match at position 1 with value of 79
match at position 8 with value of 73

我的门槛是任意的。你应该在实验上决定什么适合你。

请记住,“有趣的片段”越长,计算相关性所需的时间就越长。虽然较长的剪辑将有助于实际比赛从非比赛中脱颖而出,但您可能不需要超过几秒钟。

AudioDB 是一个开源的C++项目,它搜索音频的相似部分,处理嘈杂的流,并且可以给你一个相似性的度量。它可以作为客户机/服务器运行,但我相信您可以做一个独立的程序。
关于DSP相关的其他答案是正确的,但一般来说,这些DSP算法希望比较两个相同长度的流,它们具有相似的部分重叠。
您需要的是它在流的任意段上工作;这就是构建audiodb的目的。(一个应用程序是查找隐藏的引用/采样或明显的版权滥用。)我使用它来查找向后播放的声音,它还发现了引入一些噪音或语音变化的情况。
请注意,尽管主页上的日期似乎已关闭,但它仍在开发中。我会订阅邮件列表,并询问当前的状态以及如何合并它。

你可能想看看 this paper 王立春关于 www.shazam.com .

它不是一个API,但它提供了如何开发算法的详细信息。

请看一下Microsoft语音API(SAPI):
http://msdn.microsoft.com/en-us/library/ee125077%28VS.85%29.aspx

您列出的所有其他需求基本上都是您必须自己实现的实现细节。例如,当软件解释音频流时,它可以使用全文索引将它们存储在SQL Server中…从中搜索类似/相同的音频剪辑。

当然,还有其他方法可以实现这一点,这只是一个想法:—)

我会按照蒂姆·克里格的回答去做,使用简单的统计相关函数,因为你想让内容不可知。

至于功能,我肯定会尝试mfcc,因为它被用于语音处理和音乐识别(流派,歌曲)。您可以在优秀的开放源代码中找到mfcc和大量其他音频功能 Vamp plugins (或者更高级的捆绑包,一个名为 Sonic Annotator )或者在 Marsyas 框架。