Сравните два звуковых файла [дубликат]

Во-первых, вам нужно изменить домен сравнения. Анализ исходных образцов из несжатых файлов ни к чему не приведет. Ваша мера расстояния будет основана на одной или нескольких функциях, которые вы извлекаете из аудиосэмплов. В Википедии перечислены следующие функции, которые обычно используются для Acoustic Fingerprinting :

Характеристики восприятия, часто используемые звуковыми отпечатками пальцев, включают среднюю частоту пересечения нуля, расчетный темп, средний спектр, спектральную ровность, отчетливые тона в наборе диапазонов , и пропускная способность.

У меня нет программных решений для вас, но вот интересная попытка обратного проектирования системы YouTube Audio ID. Он используется для обнаружения нарушения авторских прав, аналогичная проблема.

На самом деле это нетривиальная задача. Я не думаю, что какая-либо стандартная библиотека может это сделать. Вот возможный подход:

1. Декодировать mp3 в PCM.
2. Убедитесь, что данные PCM имеют определенную частоту дискретизации, которую вы выбрали заранее (например, 16 кГц). Вам нужно будет пересэмплировать песни с другой частотой дискретизации. Высокая частота дискретизации не требуется, поскольку вам все равно нужно нечеткое сравнение, но слишком низкая частота дискретизации приведет к потере слишком большого количества деталей.
3. Нормализовать данные PCM (т.е. найти максимальное значение выборки и масштабировать все выборки, чтобы выборка с наибольшей амплитудой использовала весь динамический диапазон формата данных, например, если формат выборки подписан 16 бит, то после нормализации выборка максимальной амплитуды должна иметь значение 32767 или -32767).
4. Разделить аудиоданные на кадры с фиксированным количеством отсчетов (например, 1000 отсчетов на кадр).
5. Преобразование каждого кадра в область спектра ( БПФ ).
6. Вычислить корреляцию между последовательностями кадров, представляющих две песни. Если корреляция больше определенного порога, предположим, что песни одинаковые.

Библиотеки Python:

• PyMedia (для шага 1)
• NumPy (для обработки данных) - также см. эту статью для некоторой вводной информации

дополнительное осложнение.Ваши песни могут иметь разную продолжительность молчания в начале. Поэтому, чтобы избежать ложноотрицательных результатов, вам может потребоваться дополнительный шаг:

3.1. Сканируйте данные PCM с самого начала, пока звуковая энергия не превысит заданный порог. (Например, вычислить среднеквадратичное значение со скользящим окном из 10 выборок и остановиться, когда оно превышает 1% от динамического диапазона). Затем отбросьте все данные до этого момента.