最简单的衡量两段短音频相似度的算法是什么？

Question

7

这个问题是要寻找在iOS应用中度量两个音频之间相似度的任何开源或简单实现。

简单来说，音频可以用一维向量表示，计算这个向量之间的距离。但由于音频长度可能不同，因此需要进行一些预处理等操作。

期待在这里获得一些线索，谢谢。

- Forrest

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Nikolay Shmyrev · Accepted Answer

两个长度可变的序列之间的相似度可以通过DTW有效地计算：

这个算法很容易自己实现，维基页面上有很多现成的实现可供使用。

简单来说，音频可以用1-D向量表示，

将音频分割成帧，并将其转换为2-D特征向量是合理的，其中对于每个帧，您都有一个值（特征）数组，对应不同的频率带。如果您想处理音乐，则每个帧的FFT是个好主意；对于语音，则最好计算梅尔频率倒谱系数。

同样，您可以使用许多现有的库来提取梅尔频率特征，其中之一是语音识别工具包CMUSphinx。