На прв поглед, апликациите за идентификација на музика може да изгледаат едноставни. Можеби мислите дека тие едноставно го препознаваат текстот, како и секој гласовен асистент, и го пребаруваат во базата на податоци за да ви кажат која песна е во неа.

Сепак, повеќето апликации за препознавање музика можат да кажат каков е насловот на инструменталот или дури и кој го пее. Наместо да ги анализира текстовите на песната, всушност виe ги пребарувате „отпечатоците“ кои се уникатни за секоја песна.

Веројатно можете да го отклучите вашиот мобилен телефон со отпечаток од прст, кој се состои од распоред на линијата на прстот кој е единствен.

Слично на тоа, кога го држите микрофонот за снимање краток дел од песната, оваа снимка се претвора во обрасци на податоци што апликациите можат да ги бараат во целата своја база на податоци.

Често се случува да слушнете песна на јавно место. Бучавата во позадина и нарушувањето предизвикано од звучниците може да значат дека песната нема да биде препознаена.

Опис на звукот

Информациите за видео можат да се конвертираат во 3D график, наречен спектрограм и е промена на фреквенцијата со текот на времето. Амплитудата или волуменот исто така е земена предвид.

Наместо да се земат предвид цели песни при извршување на пребарувањето, апликациите за препознавање често ги земаат само „врвовите“ на табелата.

„Отпечатоците“ на некои песни, на тој начин, се земени само на точките со најголема фреквенција во одредена временска рамка, а потоа од најголемите амплитуди во тие точки. На пример, со апликацијата Shazam, методот овозможува да се извлечат повеќето непотребни делови од аудио записот, како што е бучавата во позадина.

Исто така, прави големината на отпечатоците доволно мала што и се потребни неколку милисекунди за песната да биде препознаена во огромна база на податоци.