Какво е аудио отпечатък?

Аудио отпечатъкът е компактно цифрово резюме на аудио сигнал — кратка последователност от числа, която улавя акустичните характеристики на запис по начин, който е устойчив на често срещаните изкривявания като промени в кодирането, промени на височината и фонов шум. За разлика от криптографския хеш, аудио отпечатъкът е проектиран да съвпада със записи на една и съща песен дори когато идват от различни източници, битрейти или леки редакции.

Най-широко използваният алгоритъм е Chromaprint, който захранва отворената база данни AcoustID. Chromaprint преобразува аудиото в последователност от chroma функции — представяния на енергията при всеки музикален клас височина — и след това го компресира в кратък base64 низ. Този отпечатък може да бъде изпратен към услугата AcoustID, за да се идентифицира основната пътека и да се извлекат метаданни от MusicBrainz.

Описание на инструмента

Този инструмент изчислява Chromaprint аудио отпечатъка на качено аудио файл директно в браузъра ви. След това по желание запитва публичната база данни AcoustID, за да идентифицира пътеката и да върне метаданни като заглавие, артист и MusicBrainz ID — всичко без качване на файла ви на някой сървър.

Функции

  • Локална обработка: Декодирането на аудиото и създаването на отпечатък работят изцяло в браузъра, използвайки WebAssembly сборка на Chromaprint — аудио файлът ви никога не напуска устройството ви
  • Широка поддръжка на формати: Работи с MP3, WAV, FLAC, OGG, M4A и всеки формат, който Web Audio API на браузъра ви може да декодира
  • AcoustID търсене: По желание изпраща отпечатъка към публичния API на AcoustID, за да идентифицира песента и да извлече метаданни за артист/заглавие/MusicBrainz
  • Технически детайли: Показва честота на дискретизация, брой канали и анализирана продължителност наред с низа на отпечатъка
  • Копируем отпечатък: Копирайте сирия низ на Chromaprint отпечатъка за използване във външни инструменти като fpcalc

Как работи

  1. Качаният файл се декодира от Web Audio API на браузъра в сирови PCM проби.
  2. До 120 секунди аудио се подават в модула Chromaprint WASM, който изчислява chroma функции и ги компресира в низ на отпечатък.
  3. Ако щракнете върху Търсене на AcoustID, отпечатъкът и продължителността се изпращат към публичния API на AcoustID, който връща съответстващи записи от базата данни MusicBrainz, класирани по оценка на доверие.

Поддържани формати

Всеки аудио формат, поддържан от Web Audio API на браузъра ви, който обикновено включва:

  • MP3 (.mp3)
  • WAV (.wav)
  • FLAC (.flac)
  • OGG Vorbis (.ogg)
  • AAC / M4A (.m4a, .aac)
  • Opus (.opus)

Ограничения

  • Анализирани са само първите 120 секунди аудио (достатъчно за надеждна идентификация).
  • Идентификацията на AcoustID изисква пътеката да съществува в базата данни MusicBrainz; редки, неиздадени или силно ремиксирани пътеки може да не върнат резултати.
  • Много кратки клипове (под ~10 секунди) могат да произведат отпечатъци с ниско доверие.