问题是寻找任何开源或简单的实现来衡量 iOS 应用程序上两个音频之间的相似程度。
简单来说,音频可以用一维向量表示,计算一维向量之间的距离。但是音频长度会有所不同,因此需要一些预处理等。
期待在这里得到一些线索,谢谢
最佳答案
两个变长序列之间的相似度可以用DTW高效计算:
http://en.wikipedia.org/wiki/Dynamic_time_warping
这个算法很容易自己实现,并且在 wiki 页面上链接了很多现有的实现。
Simply speaking, audio can represented by 1-D vector,
在帧上拆分音频并将其转换为特征的二维向量是合理的,对于每个帧,您都有一个对应于不同频带的值(特征)数组。如果你想处理音乐,每一帧的 FFT 是个好主意,对于语音,最好计算 mel-frequency cepstrum
同样,您可以使用许多现有库来实现梅尔频率特征,其中之一是语音识别工具包 CMUSphinx
关于ios - 测量两个短音频相似度的最简单算法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15653466/