【技术分析】使用python进行歌曲相似度分析_之所以需要对歌曲分块,就是为了记录歌曲的时间序列,如果直接对整个歌曲进行fft

歌曲的相似度分析和听歌识曲原理核心思路基本一致，都是提取歌曲的声纹进行判断，提取声纹的方法，这里就要搬出我们大学学过的傅里叶变换了

关于傅里叶变换的普及，可以参考链接

https://www.cnblogs.com/h2zZhou/p/8405717.html

这里听歌识曲，是有一个比较出名的开源项目的，叫dejavu，GitHub的地址是，它的特点是识别快，可能只需要试听几秒钟，就可以准确的识别出源歌曲，但是缺点是占用空间较大，这里我做了一个测试，使用dejavu提取了5个歌曲的声纹，查询MySQL这个表的空间使用就有28M （29982720/1024/1024），基本相当于5首mp3歌曲的大小

为什么dejavu生成的歌曲指纹，这个我们后面再说，有没有相对比较节约空间的方法呢，也是有的（方案参考互联网，当然也离不开FFT，即傅里叶变换）

下面我想讲一下这个方法：

首先，我们要对整个歌曲进行分块，比如每秒100分块

其次，对每一个分块进行FFT，接着对频域的结果进行区间划分，取出每一个区间的最大值的坐标，这个坐标，就是歌曲片段的特征值

最后将特征值按顺序排列，就是整个歌曲的指纹了

如果需要对比两首歌曲的相似程度，只需要按顺序比较特征值的相似程度，根据相似度来判断即可

之所以需要对歌曲分块，就是为了记录歌曲的时间序列，如果直接对整个歌曲进行FFT，就损失了时间的关系，另外这个结果也非常的杂乱，有兴趣的可以试试，然后使用matplotlib输出结果图查看

这里我使用程序中导入了3首歌曲，提取了指纹，数据库的占用大小是278528bytes，即0.26M，这里需要说一下，我这里是直接存储的字符串结果，并没有压缩，所以实际压缩后甚至可以更小

 

接下来我们就看一下，为什么空间占用的差别在哪里