Популярните приложения за разпознаване на музика като Shazam не разчитат на сканиране и сравнение на цели аудио файлове, което би отнело твърде много време и интернет ресурс.
В основата на тяхната светкавична работа е залегнал иновативен процес, наречен акустичен пръстов отпечатък. Когато потребителят активира функцията за търсене, микрофонът на устройството записва кратък аудио фрагмент от няколко секунди, който незабавно се превръща в детайлна визуална графика чрез математическата трансформация на Фурие.
Получената графика, известна като спектрограма, изобразява съотношението между времето, честотата и силата на звука. Алгоритъмът анализира изображението и филтрира излишния фонов шум, като извлича единствено най-силните честотни пикови точки от записа.
Именно тези ярко изразени моменти от инструментала или вокалите се групират в двойки, за да образуват уникални цифрови хеш кодове за всяка песен.
Процесът на търсене в базата данни се случва за части от секундата, тъй като системата не сравнява записа песен по песен, а прави директна проверка на генерираните кодове в предварително индексиран каталог от десетки милиони парчета.
За да се гарантира пълна точност и да се изключат случайни съвпадения, алгоритъмът анализира временния офсет на хешовете, потвърждавайки тяхната последователност.
Благодарение на тази уникална математическа архитектура технологията остава изключително устойчива на външни смущения и лошо качество на записа.
Как те кара да се чувстваш тази история?
ПОСЛЕДВАЙ НИ В GOOGLE NEWS