Сравнение музыкальных данных

Question

Я ищу теорию, алгоритмы и аналогичные способы сравнения музыки. Более конкретно, я изучаю, как дублировать музыкальные треки, которые имеют разные битрейты или, возможно, несколько разные варианты (версия для радио с версией альбома), но в остальном они звучат одинаково.

Случаи для этого включают такие услуги, как Grooveshark, Youtube и т. Д., Где они получают лот дублирующих треков. Мне также интересны текстовые сравнения (Бритни Спирс и Бритни Спирс, насколько они отклоняются и т. Д.), Хотя это вторично, и у меня уже есть некоторые источники, которые можно продолжить в этой области.

Меня больше интересуют методы и алгоритмы сравнения кодеков-агностиков (предполагая «сырой» поток), но оцениваются ресурсы, специфичные для кодека.

Я знаю проекты, такие как musicbrainz.org, но не исследовал их дальше и был бы заинтересован, если такие проекты могут помочь в этом начинании.

Answer 1

Я написал аналогичный ответ здесь: Music Recognition and Signal Processing.

В исследовательском сообществе, задача о нахождении сходства между двумя сигналами (до экологических искажений, таких как шум, легкие вариации темпа, тон, или битрейт) известна как audio (or music) fingerprinting. Эта тема была изучена в течение как минимум десятилетия. Этот ранний (и часто цитируемый) paper by Haitsma and Kalker четко описывает проблему и предлагает простое решение.

Проблема поиска музыкального сходства между двумя версиями одной и той же песни известна как cover song identification. Эта проблема также изучается в значительной степени, но по-прежнему считается открытой.

Возможно, два самых популярных коммерческих решения для музыкального поиска на основе контента - Midomi и Shazam.

Я считаю, что это касается вашего вопроса. Проверьте Google Scholar на недавние решения этих проблем. Работы ISMIR доступны бесплатно онлайн.

Answer 2

Что касается сравнения имен, вы можете взглянуть на алгоритм Levenshtein distance. Для двух строк он рассчитает измерение расстояния, которое можно использовать в качестве основы для поиска дубликатов.

Я лично использовал его в инструменте, который я разработал для приложения с довольно большой базой данных, в которой было большое количество дубликатов. Используя его в сочетании с некоторыми другими сопоставлениями данных, относящимися к моему домену, я смог указать свой инструмент в базе данных приложений и быстро найти много дублированных записей. Не собираюсь лгать, я думал, что это здорово видеть в действии.

Это даже быстро реализовать, вот C# version:

public int CalculateDistance(string s, string t) { 
    int n = s.Length; //length of s 
    int m = t.Length; //length of t 
    int[,] d = new int[n + 1, m + 1]; // matrix 
    int cost; // cost 

    // Step 1 
    if (n == 0) return m; 
    if (m == 0) return n; 

    // Step 2 
    for (int i = 0; i <= n; d[i, 0] = i++) ; 
    for (int j = 0; j <= m; d[0, j] = j++) ; 
    // Step 3 
    for (int i = 1; i <= n; i++) { 
     //Step 4 
     for (int j = 1; j <= m; j++) { 
      // Step 5 
      cost = (t.Substring(j - 1, 1) == s.Substring(i - 1, 1) ? 0 : 1); 

      // Step 6 
      d[i, j] = System.Math.Min(System.Math.Min(d[i - 1, j] + 1, d[i, j - 1] + 1), d[i - 1, j - 1] + cost); 
     } 
    } 

    // Step 7 
    return d[n, m]; 
}