Audio AI Itọsọna

Itẹka iwe ohun

Itẹka iwe ohun ṣẹda iwapọ, ibuwọlu oni nọmba ti ariwo ti ohun kan ki o le jẹ idanimọ nigbamii, paapaa nipasẹ ariwo abẹlẹ tabi awọn gbigbasilẹ didara kekere.

2 min kakẹhin imudojuiwọn

Akopọ

It is the technology behind Shazam and content-ID systems.

Jin Dive

Itẹka ohun afetigbọ jẹ akopọ ti dipọ ti awọn ẹya ara ẹrọ orin ti o yatọ julọ ti gbigbasilẹ, ti a ṣe apẹrẹ ki orin kan naa ṣe agbejade ika ọwọ kanna laibikita ariwo, funmorawon, tabi gbohungbohun foonu kan. Ọna Ayebaye Shazam ṣe agbero iwoye kan, wa awọn igbohunsafẹfẹ tente oke agbegbe (“awọn aaye oran ti o lagbara” ti o ye ipalọlọ), ati pe o so pọ mọ awọn oke giga ti o wa nitosi si awọn hashes ti n ṣe koodu awọn igbohunsafẹfẹ wọn ati aafo akoko. Milionu ti awọn hashes wọnyi ṣe agbekalẹ ibi-ipamọ data ti o le ṣawari. Lati ṣe idanimọ agekuru kan, eto naa ṣe itẹka rẹ ni ọna kanna ati pe o wa orin kan ti awọn hashes laini ni akoko, awọn ere-kere ṣe laini akọ-rọsẹ deede lori aaye kaakiri. Nitoripe o gbarale awọn ibatan tente oke ibatan kuku ju ohun afetigbọ aise, o jẹ ifarada ti iyalẹnu ti ariwo ati ṣiṣẹ lati iṣẹju-aaya diẹ ti ohun.

Imọ-imọ-ẹrọ

Awọn omoluabi ni logan nipasẹ sparity. Dipo ifiwera iwe ohun ni kikun, awọn ọna ṣiṣe ara Shazam tọju awọn oke iwoye nikan, awọn aaye ti o pariwo julọ ni igbohunsafẹfẹ-akoko ti ko ṣeeṣe lati boju-boju nipasẹ ariwo. Awọn orisii awọn oke giga di fifi koodu hashes (frequency1, igbohunsafẹfẹ2, akoko-delta), fifun awọn ọkẹ àìmọye awọn ami-ilẹ pataki. Ibaramu ṣe iṣiro iye awọn hashes ti o pin aiṣedeede akoko deede laarin ibeere ati itọkasi, nitorinaa paapaa agekuru alariwo iṣẹju-aaya 5 mu awọn ami-ilẹ ti o ni ibamu to fun igboya, wiwa data data iyara.

Ipa Ilana

Wiwọle ati arọwọto

O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.

Iye owo ati isuna

Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.

Iyara ati iwọn

Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.

Ojo iwaju ti Atẹwe Fingerprint

Titẹ ika ọwọ n pọ si lati idanimọ baramu gangan si idamo awọn ẹya ideri, awọn atunwi, ati awọn iṣẹ ṣiṣe laaye, nibiti ipolowo ati tẹmpo yatọ ṣugbọn orin aladun duro. Awọn ifibọ ti a kọ ẹkọ lati awọn nẹtiwọọki nkankikan n pọ si ni afikun awọn hashes tente oke ti a ṣe ni ọwọ, imudara agbara ati ṣiṣe wiwa-ẹda-ẹda. Reti lilo ti o gbooro ni ibojuwo igbohunsafefe akoko gidi, imudara aṣẹ lori ara laifọwọyi ni iwọn ikojọpọ, ati awọn iriri iboju keji. Ipenija naa ni iwọntunwọnsi deede, iyara, ati iwọn data data bi awọn katalogi ti de awọn ọgọọgọrun miliọnu awọn orin.

Real-World imuse

Shazam ati SoundHound ṣe idanimọ orin kan ti n ṣiṣẹ ni kafe alariwo lati iṣẹju diẹ ti ohun foonu

ID akoonu YouTube ti o baamu awọn fidio ti a gbejade si ibi ipamọ data itọkasi lati ṣe asia orin aladakọ

Awọn iṣẹ ibojuwo igbohunsafefe ni ipasẹ iye igba ti orin kan tabi ipolowo n gbe kaakiri ẹgbẹẹgbẹrun awọn ibudo redio

Awọn TV Smart ti nlo awọn ika ọwọ ohun lati ṣe idanimọ kini ifihan n ṣiṣẹ fun awọn atupale tabi awọn ẹya iboju keji

Awọn ewu & Awọn ọna iṣọ

ilokulo ohun ati awọn ewu afarawe ṣe pọ si nigbati igbanilaaye ba sonu.

Yiye le ju silẹ kọja awọn asẹnti, awọn ede-ede, tabi awọn agbegbe alariwo.

Ohun afetigbọ sintetiki le jẹ aṣiṣe fun ọrọ ododo laisi isamisi to yege.

Ilana Ilana imuse

1

Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo.

2

Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.

3

Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.

4

Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.

Tesiwaju Ṣiṣawari

Free newsletter

Get the daily AI briefing

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the Audio Fingerprinting quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

Bẹrẹ adanwo

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

Itọsọna atẹle

Wiwa Deepfake Audio

Awọn ibeere ti a beere nigbagbogbo

What is Audio Fingerprinting?

Itẹka iwe ohun ṣẹda iwapọ, ibuwọlu oni nọmba ti ariwo ti ohun kan ki o le jẹ idanimọ nigbamii, paapaa nipasẹ ariwo abẹlẹ tabi awọn gbigbasilẹ didara kekere. O jẹ imọ-ẹrọ lẹhin Shazam ati awọn ọna ṣiṣe ID akoonu.

Kini itẹka iwe ohun?

Itẹka itẹka jẹ ibuwọlu akositiki ti di di apẹrẹ lati ṣe idanimọ gbigbasilẹ paapaa larin ariwo tabi funmorawon.

Awọn ẹya wo ni Shazam Ayebaye algorithm jade lati spectrogram?

O ṣe idanimọ awọn oke nla ti iwoye, awọn aaye igbohunsafẹfẹ-akoko ti o pariwo julọ, eyiti o ye ariwo ti o si ṣe ipilẹ awọn hashes rẹ.

Kini idi ti titọju awọn oke oju iwọn nikan (sparsity) ṣe iranlọwọ?

Nipa titọju awọn oke giga ti o lagbara julọ nikan, itẹka itẹka naa wa ni idanimọ paapaa nigbati ariwo ba awọn ẹya idakẹjẹ jẹ.

Bawo ni igbesẹ ti o baamu ṣe jẹrisi idanimọ orin kan?

Nigbati ọpọlọpọ awọn hashes ibeere ba ṣe deede si itọkasi ni akoko kanna aiṣedeede, wọn ṣe agbekalẹ diagonal kan ti o ni ibamu, ti o jẹrisi ibaamu kan.

Alaye wo ni hash ara Shazam ṣe koodu nigbagbogbo?

Awọn orisii awọn oke giga jẹ hashed bi (frequency1, igbohunsafẹfẹ2, akoko-delta), ṣiṣẹda iyasọtọ, awọn ami-ilẹ ti o mọ ipo.