Mikä on äänen sormenjälki?

Äänen sormenjälki on äänen kompakti digitaalinen yhteenveto — lyhyt numerosarja, joka kuvaa äänitallenteen akustisia ominaisuuksia tavalla, joka on kestävä yleisille vääristymille, kuten koodausmuutoksille, sävelkorkeuden siirroille ja taustameluelle. Toisin kuin kryptografinen hash, äänen sormenjälki on suunniteltu vastaamaan saman kappaleen tallenteita, vaikka ne peräisin eri lähteistä, bittinopeuksista tai pienistä muokkauksista.

Laajimmin käytetty algoritmi on Chromaprint, joka toimii avoimen AcoustID-tietokannan taustalla. Chromaprint muuntaa äänen kroma-ominaisuuksien sarjaksi — energian esitykset kussakin musiikillisessa sävelluokassa — ja pakkaa sen sitten lyhyeksi base64-merkkijonoksi. Tämä sormenjälki voidaan lähettää AcoustID-palveluun kappaleen tunnistamiseksi ja metatietojen hakemiseksi MusicBrainzista.

Työkalun kuvaus

Tämä työkalu laskee ladatun äänitiedoston Chromaprint-äänen sormenjäljen suoraan selaimessasi. Se sitten halutessaan kyselee AcoustID-julkista tietokantaa kappaleen tunnistamiseksi ja palauttaa metatietoja, kuten nimeä, artistia ja MusicBrainz ID:tä — kaikki ilman, että tiedostoa ladataan millekään palvelimelle.

Ominaisuudet

  • Paikallinen käsittely: Äänen dekoodaus ja sormenjäljen laskenta suoritetaan kokonaan selaimessa käyttäen Chromaprintin WebAssembly-versiota — äänitiedostosi ei koskaan poistu laitteeltasi
  • Laaja muotojen tuki: Toimii MP3-, WAV-, FLAC-, OGG-, M4A- ja minkä tahansa muodon kanssa, jonka selaimesi Web Audio API voi dekoodata
  • AcoustID-haku: Lähettää halutessaan sormenjäljen AcoustID-julkiselle API:lle kappaleen tunnistamiseksi ja artistin/nimen/MusicBrainz-metatietojen hakemiseksi
  • Tekniset tiedot: Näyttää näytteenottotaajuuden, kanavien määrän ja analysoitavan keston sormenjäljen merkkijonon ohella
  • Kopioitava sormenjälki: Kopioi raa'an Chromaprint-sormenjäljen merkkijono käytettäväksi ulkoisissa työkaluissa, kuten fpcalc

Kuinka se toimii

  1. Ladattu tiedosto dekoodataan selaimen Web Audio API:lla raa'aksi PCM-näytteiksi.
  2. Enintään 120 sekuntia ääntä syötetään Chromaprint WASM -moduuliin, joka laskee kroma-ominaisuudet ja pakkaa ne sormenjäljen merkkijonoksi.
  3. Jos napsautat Hae AcoustID:stä, sormenjälki ja kesto lähetetään AcoustID-julkiselle API:lle, joka palauttaa vastaavat talleneet MusicBrainz-tietokannasta luottamuspisteiden mukaan järjestettynä.

Tuetut muodot

Mikä tahansa äänimuoto, jota selaimesi Web Audio API tukee, mikä tyypillisesti sisältää:

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

Rajoitukset

  • Vain ensimmäiset 120 sekuntia ääntä analysoidaan (riittävä luotettavaan tunnistamiseen).
  • AcoustID-tunnistus edellyttää, että kappale on olemassa MusicBrainz-tietokannassa; harvinaiset, julkaisemattomat tai voimakkaasti remiksatut kappaleet eivät välttämättä palauta tuloksia.
  • Hyvin lyhyet leikkeet (alle ~10 sekuntia) voivat tuottaa sormenjälkiä, joilla on alhainen luottamus.