如何通過內容存儲和搜索mp3

Question

我想存儲多個mp3文件並通過提供歌曲的某些部分來搜索它們，以檢測它是哪首歌曲。

我想到的是存儲在MySQL中的所有二進制內容的，當我想通過內容來搜索特定的歌曲我會歌的中間部分，實際上與MySQL中的二進制數據相匹配。

我的問題是：

1. 這是一個合理的方式找到他們的內容的歌曲？
2. 將歌曲的內容存儲在數據庫中還是應該使用文件系統？

Answer 1

這是行不通的。 MP3是一種「有損」的格式。這意味着它在編碼時會不斷改變音樂的微妙細微差別，因此在同一首歌曲的幾乎每個編碼上產生完全不同的逐字節數據。

此外，即使在如WAV未壓縮格式，在不同體積的兩個相同的記錄會產生不同的字節數據。因此，通過比較文件內容的字節值來比較音樂是不可能的。

二進制比較將工作只有兩個確切相同的複製品同MP3文件。當您使用相同的設置對相同的MP3文件進行重新編碼時，它甚至不再工作。

比較音樂不是一件小事，有幾種方法，而是可以在PHP中使用我所知沒有。

如果幸運的話，那就是存在允許某種匹配的網絡服務。儘管如此，我認爲它在某種程度上是商業性的 - 我懷疑我們處於可以免費使用這種東西的階段。

Answer 2

它是由歌曲的內容，查找歌曲正確的方式。

只有當你能確定你得到的作爲搜索標準的部分實際上是該特定MP3文件的摘錄......並且這是非常非常不可能的。如果該部分可能來自不同的來源（例如，同一首歌曲的不同錄音，或只是壓縮比不同的MP3），則必須使用更爲複雜的audio fingerprinting。

將歌曲內容存儲在數據庫或文件存儲中是否正常工作是否正確？

如果你做簡單的二進制匹配，使用數據庫沒有意義。如果你有一個更復雜的索引技術（比如音頻指紋），那麼使用數據庫是有道理的。

Answer 3

我不完全理解你想要做什麼，但是如果你要索引一個MP3集合，那麼存儲一個哈希（長度足夠）而不是實際文件可能是一個更好的主意。

的問題是，這些字節不給你任何的洞察力對文件的內容，即在它的音樂。即使您從要比較的字節中刪除元數據（以消除拼寫/元數據大寫變化等噪聲），您只會瞭解獨特文件本身的一些內容。因此，您可以比較兩個相同的文件（即精確重複）是否相等，但無法比較任何兩個隨機文件的相似性。

Answer 4

正如其他人所指出的 - 通過查看文件的二進制內容是行不通的比較的MP3。

我寫了這樣的事情在Java中，而在大學我最後一年的項目。我很樂意向您發送源代碼。它處理的是相對相似點 - 「歌曲X比歌曲Y更像歌曲Z」，而不是匹配，但它可能是朝着正確方向邁出的一步。

並請，不管你做什麼，不要試圖在PHP中做到這一點。我使用的算法需要我計算（如果我沒有記錯的話 - 我在3年前就已經完成了這項工作）爲其分析的每個MP3編制了30個30x30矩陣。每首歌都需要大約30秒的時間才能在我笨重的舊機器上處理一組矩陣（我相信我的新PC可以更快地完成這項工作）。一旦我有了n首歌曲的矩陣，第二步就計算了每首歌曲之間的差異，第三步將這些差異降低到m維空間。這3個步驟中的每一步都需要相當大的馬力，而PHP絕對不適合這份工作。

PHP可能工作的是前端 - 我最終用Ruby on Rails編寫了一個可查詢的Web應用程序，在這裏我有一個簡單的後端，它將每首歌的座標存儲在m維空間中（I碰巧選擇m = 6） - 給定一首特定的歌曲或片段X，然後可以在X的某個「距離」內計算歌曲。

注意：我應該指出，我寫的所有代碼基本上只是其他人編寫的圖書館的封裝（這些封裝是由奧地利的一所大學的一些聰明人組成的） - 這些圖書館帶了兩首歌並生成了矩陣 - 我所做的只是計算距離並將很多歌曲的距離映射到m維空間。希望我足夠聰明，也能做到第一點！

Answer 5

要搜索歌曲，您可能需要編制索引tags，並專注於一個不錯的，易於使用的用戶界面，以便用戶可以靈活地查找它們。

正如上面所說的，相同的歌曲將顯示根據編碼不同的內容字節。

但是，有一個想法指向你的方向，我不確定它的可行性如何，可能是對一些可能唯一識別它的歌曲模式進行索引。例如。 Johnny Cash的所有歌曲有什麼共同之處？音量，音調，它們的組合？當你獲得一部分內容時，你可以從中提取相同的模式並進行匹配。這將是一個有趣的概念。