音乐识别应用一开始看起来很神奇，但在引擎盖下面是一个复杂的算法，可以在瞬间找到歌曲。他们是这样工作的。

音乐识别的魔力

这可能发生在我们所有人身上。当你在一家不错的餐厅吃饭，在咖啡店闲逛，或者在商店里走来走去时，突然听到扬声器里播放着一首好歌。也许这是一首你以前听过的歌，或者是一首你从未听过的歌。所以，你拿出**，打开Shazam，把**举到天花板上。只需一瞬间，应用程序就会告诉你这首歌是什么，艺术家是谁，以及在哪里播放。

它们很快，非常准确，甚至可以识别最晦涩的歌曲。简言之，他们的工作方式是将歌曲从录音中分离出来，并在一个庞大的曲目数据库中进行搜索。但他们如何做到这一点背后的技术相当复杂，令人印象深刻。

你可能会惊讶地发现，我们今天所知道的Shazam应用程序是在2002年发布的，当时的系统和现在一样精确和快速。这一切都要归功于一种独特的算法，它将彻底改变音乐世界。

不仅仅是歌词

乍一看，像Shazam这样的音乐识别应用程序似乎很简单。你可能认为他们只是听歌词，就像任何语音助手一样，然后在歌词数据库中搜索，告诉你这首歌是什么。

然而，大多数音乐识别应用程序都能分辨出乐器的名称，甚至能分辨出封面歌曲的歌手。这是因为，他们不是在分析这首歌的歌词，而是在广泛的数据库中寻找每首歌独有的“指纹”。

相关：如何在iPhone、iPad、Mac或苹果电视上查看歌词

指纹技术

你可能有可以用你的指纹解锁的设备，指纹是指你手指上独特的小线条的排列。类似地，当你举着麦克风录制一首歌的简短片段时，这个片段会变成数据的模式，Shazam或其他应用程序可以在他们的数据库中查找。

乍一看，这种方法似乎容易出现几个问题。大多数情况下，当你在公共场合听音乐时，会有背景噪音和扬声器造成的失真，这会使歌曲无法识别或导致不准确的匹配。而且，即使是一个简短的声音片段，也会捕捉到大量的数据，这使得在数百万首歌曲的数据库中搜索这些模式的速度变慢。

2003年，在接受《科学美国人》的采访时，首席数据科学家、Shazam的联合创始人Avery Li Chun Wang解释了他们的算法是如何解决这些问题的。音频片段的信息可以用一个称为频谱图的3D图表来可视化，它表示一段时间内频率的变化。它还考虑了振幅，即声音的音量。这是用颜色强度的光谱图来表示的。

与人类只有在特定频率下才能感知声音的方式相同，在执行搜索时，Shazam没有考虑整首歌曲，而是只考虑“峰值”，这是音频片段中的最高能量含量。它捕获的指纹只在一个给定的时间范围内的最高频率点，然后在这些频率内的峰值振幅点。

在哥伦比亚大学的一篇研究论文中，王说这种方法可以让他们去掉音频片段中大部分不必要的部分，比如背景噪音，并消除失真。它还使得指纹的大小足够小，在他们庞大的数据库中识别一首歌曲只需几毫秒。

沙扎姆的影响

音乐识别应用程序除了对那些听到自己喜欢的歌曲的普通听众有所帮助外，还可以帮助塑造音乐世界。

广播电台和流媒体服务经常使用关于人们最喜欢听什么的数据来确定公众正在收听什么曲目。这是有帮助的，因为它表明一首歌的朗朗上口和潜在的流行性，无论艺术家。当你用应用程序识别一首歌时，你会立即看到有多少人也试图识别它。

自沙扎姆崛起以来，也出现了少数竞争对手。Soundhound声称只要你唱歌或哼唱就能识别出一首歌，结果好坏参半。此外，还有一个歌曲识别器与语音应用程序（如googleassistant）集成，其工作原理与Shazam的系统非常相似。

相关：最好的免费音乐流网站