我正计划开发一款音乐应用程序，其中包括一个查找类似歌曲的功能，就像KKBOX和Shazam正在做的一样，但我在这方面并不熟悉。我发现他们应用FFT对歌曲进行比较，这样用户就可以搜索到类似的歌曲。
然而，我在想，如果我生成歌曲的波形，然后直接比较歌曲的波形会怎么样。我想问一下，我的想法可能吗？
因为您的目标是找到"类似的"；歌曲，比较2d波形是极不可能奏效的。然而，在立即拒绝之前，最好先探索一下你的方法的可行性。
我建议挑选一套5首歌曲
- 一首歌和一首你认为非常相似的歌
- 一首与第一首不同的歌曲，以及同一乐队在同一张专辑(或同一时间段(中的歌曲
- 1个完全不同的音频文件(例如，与有声读物或播客(
浏览librosa教程(https://librosa.org/doc/main/tutorial.html)和/或Medium上的一些演练(例如。https://towardsdatascience.com/extract-features-of-music-75a3f9bc265d)，但在到达使用MFCC的零件之前停止。只需关注波形图像。
看看你歌曲的可视化效果，思考这个问题，原因是a(为什么波形比较应该起作用，以及b(为什么波形对比不起作用。
因此，考虑一下节奏、音色和时机等因素——用不同的乐器、不同的效果处理、不同的节奏或不同的顺序(同一首歌，但诗歌和合唱的顺序不同(演奏同一首歌曲会对波形产生什么影响。
抛开你将使用哪个波形(振幅？什么频率/频率？(这一不平凡的问题不谈，在这一点上，你应该看看只看波形有多少问题，以及为什么MFCC(或类似的(更好。此外，你会更好地考虑如何选择MFCC参数——你需要采样多少歌曲，什么时候开始采样。
你的想法可能吗？可能不是按照你的想法-也许你可以尝试一些方法，比如以某种方式转换歌曲的数据，然后比较这种表示(例如，观察振幅或节奏的变化(音频的问题是它在信号中封装了很多特征：
- 键
- 节奏
- 效果处理(例如混响(
- 仪器
- 音调
- 动力学
- 等等
观看音频混合教程，您将看到/听到在不实际更改播放歌曲的情况下，同一首歌曲的输出信号可以更改多少。
当好奇的人尝试"可能不起作用"的东西时，创新有时会出现，所以任何事情都值得一试，但一旦你自己弄清楚了为什么有些东西不起作用，接受常用的技术并以其他方式寻找创新的机会是有用的。