我想要建立一个类似于Tunatic或Midomi的东西（如果您不确定它们是做什么的，请尝试使用它们），我想知道我需要使用哪些算法；我对此类应用程序的工作原理的想法如下：
我考虑降低质量/比特率是由于环境噪声和编码差异。
我在这条路上吗？有人能提供给我任何具体的文档或示例吗？Midori甚至可以识别“嗡嗡声”，这真的很令人印象深刻！他们是如何做到的？
是存在声音哈希还是我只是编造了它？如果存在，我该如何计算它们？更重要的是，我该如何检查child-hash是否在father-hash中？
我该如何使用Python（可能是内置模块）或PHP构建类似的系统？
一些示例（最好是Python或PHP）将不胜感激。谢谢！
我从事音乐信息检索 (MIR) 的研究。关于音乐指纹识别的经典论文是 Haitsma 和 Kalker 在 2002-03 年左右发表的那篇。你可以通过 Google 找到它。
我曾经阅读一份早期（真的很早期；在 2000 年之前）关于 Shazam 方法的白皮书。当时，他们只是基本地检测了频谱时间峰值，然后对这些峰值进行哈希。我肯定这个过程已经得到改进。
这两种方法都解决了信号级别的音乐相似性问题，即它能够抵抗环境干扰。但是，我认为它对于哼唱查询 (QBH) 的效果并不好。然而，这是一个不同（但相关）的问题，并有着不同（但相关）的解决方案，因此你可以在文献中找到解决方案。（这里就不一一列举了。）
ISMIR 的会议记录可在网上免费获取。你可以在那里找到有价值的东西：http://www.ismir.net/
我赞成使用像 Marsyas 这样的现有库。这取决于你的需求。我认为 Numpy/Scipy 在这里是必不可少的。简单的东西可以自己写 Python 代码。如果你需要 STFT、MFCC 等东西，我可以通过电子邮件给你提供代码。
我曾在一个实现多个音乐信息检索技术的酷炫框架的边缘工作过。虽然我不是专家（编辑说明：实际上我离专家差得远呢，只是想澄清一下），但我知道在这方面，快速傅里叶变换被广泛应用。傅里叶分析有些奇怪，但其应用相当简单明了。基本上，如果你在频域而非时域对音频进行分析，可以获得很多关于其信息的数据。这就是傅里叶分析给你的。
这可能与您想要做的事情有点偏题。无论如何，该项目中有一些很酷的工具供您使用，以及查看核心库本身的源代码：http://marsyas.sness.net
我最近将基于音频地标的指纹识别系统移植到了Python：
https://github.com/dpwe/audfprint
它可以识别来自数万首曲目的参考数据库中的小片段（5-10秒），并且对噪声和信道失真非常鲁棒。它使用局部谱峰的组合，类似于Shazam系统。
这只能匹配完全相同的曲目，因为它依赖于频率和时间差异的细节 - 它甚至不会匹配不同的版本，肯定也不会匹配翻唱或哼唱。据我所知，Midomi / SoundHound通过将哼唱与彼此匹配（例如通过动态时间扭曲），然后有一组人工策划的链接将一组哼唱与预期的音乐曲目联系起来。
直接将哼唱与音乐曲目匹配（“按哼唱查询”）仍然是音乐信息检索中的一个正在进行的研究问题，但相当困难。您可以在MIREX 2013 QBSH Results中查看去年评估的一组系统的摘要。
MusicBrainz项目维护着这样的一个数据库。你可以基于指纹对它进行查询。
该项目已经存在一段时间了，并且过去使用过不同的指纹。请查看此处以获取列表。
他们正在使用最新的指纹AcoustId。有Chromaprint库（也带有Python绑定），您可以使用它创建这样的指纹。您必须提供原始PCM数据。
我最近用Python编写了一个库，它可以解码（使用FFmpeg）并提供生成AcoustId指纹（使用Chromaprint）和其他函数的功能（还可以通过PortAudio播放流）。请看此处。
我已经有一段时间没有进行信号处理了，但是与其进行下采样，不如看看频域表示（例如FFT或DCT）。然后，您可以制作某种哈希并搜索具有该序列的数据库歌曲。
棘手的部分是使此搜索快速（也许一些关于基因搜索的论文可能会引起兴趣）。我怀疑iTunes也会检测乐器以缩小搜索范围。
我曾经读过一篇关于某个音乐信息检索服务（不点名）的方法的论文——通过对音频样本进行短时傅里叶变换的计算。然后，该算法会在频域中挑选出“峰值”，即特别高幅度的时间位置和频率，并使用这些峰值的时间和频率生成哈希。结果发现，哈希在不同样本之间有惊人地少的冲突，并且还能够抵御高达50%的峰值信息数据丢失......
目前我正在使用ActionScript 3开发一款音乐搜索引擎。首先分析和标记和弦（目前仅限于mp3文件），在频率发生剧烈变化的帧（旋律变化并忽略噪声）处进行标记。然后对输入音频执行相同的操作，并将结果与反转文件匹配。匹配的结果确定匹配的歌曲。
对于Axel的方法，我认为你不必担心查询是唱歌还是哼唱，因为你没有实现语音识别程序。但我很好奇你使用哈希函数的方法。你能解释一下吗？
对于通过哼唱查询的功能，它比音频指纹解决方案更为复杂，难点在于：
这里有一个通过哼唱查询的开源演示项目，https://github.com/EmilioMolina/QueryBySingingHumming，可以作为参考。
