像shazam這樣的音樂識別應用程式是如何工作的？

音樂識別應用一開始看起來很神奇，但在引擎蓋下面是一個複雜的演算法，可以在瞬間找到歌曲。他們是這樣工作的。...

音樂識別應用一開始看起來很神奇，但在引擎蓋下面是一個複雜的演算法，可以在瞬間找到歌曲。他們是這樣工作的。

音樂識別的魔力

這可能發生在我們所有人身上。當你在一家不錯的餐廳吃飯，在咖啡店閒逛，或者在商店裡走來走去時，突然聽到揚聲器裡播放著一首好歌。也許這是一首你以前聽過的歌，或者是一首你從未聽過的歌。所以，你拿出**，開啟Shazam，把**舉到天花板上。只需一瞬間，應用程式就會告訴你這首歌是什麼，藝術家是誰，以及在哪裡播放。

它們很快，非常準確，甚至可以識別最晦澀的歌曲。簡言之，他們的工作方式是將歌曲從錄音中分離出來，並在一個龐大的曲目資料庫中進行搜尋。但他們如何做到這一點背後的技術相當複雜，令人印象深刻。

你可能會驚訝地發現，我們今天所知道的Shazam應用程式是在2002年釋出的，當時的系統和現在一樣精確和快速。這一切都要歸功於一種獨特的演算法，它將徹底改變音樂世界。

不僅僅是歌詞

乍一看，像Shazam這樣的音樂識別應用程式似乎很簡單。你可能認為他們只是聽歌詞，就像任何語音助手一樣，然後在歌詞資料庫中搜索，告訴你這首歌是什麼。

然而，大多數音樂識別應用程式都能分辨出樂器的名稱，甚至能分辨出封面歌曲的歌手。這是因為，他們不是在分析這首歌的歌詞，而是在廣泛的資料庫中尋找每首歌獨有的“指紋”。

相關：如何在iPhone、iPad、Mac或蘋果電視上檢視歌詞

指紋技術

你可能有可以用你的指紋解鎖的裝置，指紋是指你手指上獨特的小線條的排列。類似地，當你舉著麥克風錄製一首歌的簡短片段時，這個片段會變成資料的模式，Shazam或其他應用程式可以在他們的資料庫中查詢。

乍一看，這種方法似乎容易出現幾個問題。大多數情況下，當你在公共場合聽音樂時，會有背景噪音和揚聲器造成的失真，這會使歌曲無法識別或導致不準確的匹配。而且，即使是一個簡短的聲音片段，也會捕捉到大量的資料，這使得在數百萬首歌曲的資料庫中搜索這些模式的速度變慢。

2003年，在接受《科學美國人》的採訪時，首席資料科學家、Shazam的聯合創始人Avery Li Chun Wang解釋了他們的演算法是如何解決這些問題的。音訊片段的資訊可以用一個稱為頻譜圖的3D圖表來視覺化，它表示一段時間內頻率的變化。它還考慮了振幅，即聲音的音量。這是用顏色強度的光譜圖來表示的。

與人類只有在特定頻率下才能感知聲音的方式相同，在執行搜尋時，Shazam沒有考慮整首歌曲，而是隻考慮“峰值”，這是音訊片段中的最高能量含量。它捕獲的指紋只在一個給定的時間範圍內的最高頻率點，然後在這些頻率內的峰值振幅點。

在哥倫比亞大學的一篇研究論文中，王說這種方法可以讓他們去掉音訊片段中大部分不必要的部分，比如背景噪音，並消除失真。它還使得指紋的大小足夠小，在他們龐大的資料庫中識別一首歌曲只需幾毫秒。