我需要构建一个软件，从其他音频样本(B(中的小音频样本(A(进行音频识别，并输出A出现在B的音频内部的次数(如果有匹配(。
我拥有的：包含数百个音频的数据库
输入：新音频
预期输出：如果输入与数据库中的样本匹配，则为布尔值，以及输入在匹配的音频(来自数据库(中出现的次数。
任何代码，开源项目，指南，书籍，视频，教程等都是有用的！谢谢大家！
这是一个非常广泛的问题，但让我尝试备份并描述一下音频识别的一般工作原理，以及您自己如何执行此操作。
我将假设音频来自音频文件而不是流，但无论哪种方式都应该相对容易理解。
数字音频的基础知识
音频文件是一系列样本，通过称为采样的过程记录到设备中。采样是将连续模拟信号(例如，来自麦克风或电吉他的电信号(转换为离散数字信号的过程。
对于音频信号，采样几乎总是以单个采样率完成，通常介于8kHz和192kHz之间。关于采样，唯一需要了解的特别重要的事情是：
- 数字音频系统可以表示的最高频率称为奈奎斯特速率，它是采样速率的一半。因此，如果您使用的是 48kHz 的采样率，则可能的最高表示频率为 24kHz。这通常足够了，因为人类只能听到高达 20kHz 的声音，因此您可以安全地使用 40kHz 以上的任何采样率，除非您尝试录制不适合人类的内容。
- 采样后，数字音频文件以浮点或整数值的形式存储。大多数情况下，音频文件表示为 32 位浮点数、24 位整数或 16 位整数。无论如何，大多数现代音频处理都是使用浮点数完成的，并且通常在窗口(-1.0,1.0(内缩放。在这个系统中，交替的-1.0s和1.0s是在尽可能高的频率下尽可能响亮的方波，而一系列0.0s是静音。
音频识别
音频识别的一般算法很复杂，相对于一定数量的用例来说，通常效率低下。例如，您是否正在尝试确定一个音频文件是否与另一个音频文件完全匹配，或者它们听起来是否几乎相同？例如，让我们看看最简单的音频比较算法(至少是我能想到的最简单的算法(。
def compareAudioFiles(a, b):
if len(a) != len(b):
return False
for idx in range(len(a)):
# if the current item in a isn't equal to the current item in b
if a[idx] != b[idx]:
return False
return True # if the two above returns aren't triggered, a and b are the same.
这仅在特定情况下有效 - 如果音频文件略有不同，它们将不会匹配为相同。让我们谈谈这可能失败的几种方式：
- 浮点比较 -- 在浮点数之间使用
==是有风险的，因为浮点数的比较精度如此之高，以至于对样本的微小变化会导致它们注册为不同。例如：
SamplesA = librosa.core.load('audio_file_A.wav')
SamplesB = librosa.core.load('audio_file_A.wav')
SamplesB[0] *= 1.0...00000001 # replace '...' with lots of zeros
compareAudioFiles(SamplesA, SamplesB) # will be false.
尽管SamplesB的微小变化是无法察觉的，但它被compareAudioFiles认可。
- 零填充 -- 文件之前或之后的单个样本 0 将导致失败：
SamplesA = librosa.core.load('audio_file_A.wav')
SamplesB = numpy.append(SamplesA, 0) # adds one zero to the end
# will be False because len(SamplesA) != len(samplesB)
compareAudioFiles(SamplesA, SamplesB) # False
还有很多其他原因不起作用，例如相位不匹配、偏置以及滤波后的低频或高频信号听不见。
你可以继续改进这个算法来弥补一些类似的东西，但它仍然可能永远无法很好地将感知到的声音与其他声音相匹配。简而言之，如果您想以比较音频声音的方式执行此操作，则需要使用声学指纹库。其中一个这样的图书馆是pyacoustid。否则，如果您想单独比较文件中的音频样本，您可能会想出一种相对稳定的算法来测量时域中声音之间的差异，同时考虑到零填充、不精确、偏差和其他噪声。
对于Python中的通用音频操作，我推荐LibROSA
祝你好运！