問題タブ [shazam]

曲のクリップまたは人間の声や曲と一致させることで、曲を識別するためのアルゴリズムを実装する方法を考えてください。ここにアルゴを書き出す人はいないと思います:)、それには多くのことが一緒に含まれていることは知っていますが、どのように始めればよいか知りたいです。そのようなことを行うために検討する必要があるテクノロジーは何ですか。Shazaam や Midomi に似たものを見ています。また、同じことを行い、それを行うための API を提供するオンライン サービスはありますか。

ずっと気になっていたのでただの好奇心です。アプリケーション Shazam はどのように機能しますか? 私はそれを使用する方法を知っています、私はプログラミングの観点から話しています。アプリケーションはどのように曲の一部を聞いて結果を表示するのでしょうか? 明らかに、データベースから曲の情報を受け取りますが、そのデータベースにある人が知っているすべての曲を誰かが入力できる方法はありません。また、Shazam が常に更新されないのはなぜですか? 新しい曲は常にリリースされていますが、Shazam にはすでに未来の曲がプログラムされているようでした。これは私には気が遠くなるようなものであり、これがどのように機能するかを正確に知りたいだけです。これはヘルプの質問ではないことはわかっていますが、誰かが明確にしてもらえますか? ありがとう！

Echoprint は、電話またはコンピューターで音声を「聞き取り」、それがどの曲かを判断します。これは非常に高速で精度が高いため、非常にノイズの多いオリジナルのバージョンや、外部ソースからの干渉が多いモバイル デバイスで作成された録音を識別できます。

Web サイトで提供されている iOS の例をコンパイルしました。ここまでは順調ですね。悲しいことに、Echoprint は iPhone のマイクを介してどの曲も認識できませんでした (録音時間は最大 1 分です)。

一方で、iPhone のメディア ライブラリから直接「アップロード」することで曲を認識することができました。

何か考えはありますか、何が問題なのですか？

シャザムやサウンドハウンドがどのように機能するのかに興味があります。

どのようにして音声を録音し、一致する指紋のデータベースと非常に似ている指紋を作成するのでしょうか?

C/C++ でいくつかのソフトウェアの作成を開始しようとしていますが、使用するライブラリがわかりません。Microsoft の Speech SDK がいくつかあります。音声を分析して再生するプロセスをどこから「理解」し始めるか、いくつか提案はありませんか?

あなたが共有するすべてのヒントやアイデアに感謝します:]

最近、Shazam が AppleWatch アプリケーションを開発したことに気付きましたが、StackOverflow の多くの質問と回答で、時計から直接オーディオを録音する可能性はないと話しました。

それを行うための新しい方法はありますか？

私は最近、音楽/ビデオ認識 API を調べています。

Shazam は音楽の認識に非常に効果的であることが証明されており、音楽認識をアプリに統合できるようにする EchoNest という API があります。

ただし、映画/ビデオ情報を検出する API を探しています。これらの API が存在することは知っていますが (YouTube はそのような API を使用しています)、公開されているものを探しています。

何か案は？