Как сравнить 2 аудио файла, возвращая процент разницы

#c_sharp #java #аудио #cpp

Есть ли способ, чтобы сравнить 2 аудио-файлы, в результате чего процент от разницы
будут возвращены? чтобы сравнить звук (не только файлы) в 2 аудио файлы с теми же свойствами
и тот же формат (WAV), и показать, разница в процентах между 2 звуки в 2 аудио файлов.
можно на любом язык программирования.     

Ответы

Ответ 1

Предлагаю такой способ. Вначале строим "изображение сигнала", например, как описано
здесь (В сети гуляет много вариантов кода). Теперь задача сводиться к сравнению двух
картинок.
На самом деле график строить не нужно, можно сравнить в памяти, просто, если представить
в виде картинки, легче понять алгоритм.
Но по ходу дела могут подстерегать следующие трудности:

разная амплитуда. Но это легко исправляется.  Называется нормирование. Рассчитываем
сраднее (но только значений по модулю!, а то среднее может быть равным нулю), а потом
просто домножаем значения на рассчитанный коефициент.
погрешности. То, что на слух идентично, на картинке может выглядеть достаточно разным.
Поэтому не стоит сравнивать на равенство, а где то так abs(a1 - a2) < e1, где abs -
модуль, a1 и а2 две амплитуды. Значение е1 подбирается экспериментально.
свиг. 

Как я бы решал эту задачу. 
 - Вначале вычитал два файла.
 - Сделал ресемлинг  (понижение частоты). По факту - просто подсчитывал среднее квадратичное
за каждые десятые секунды. В результате минутный файл будет занимать массив на 600 целых. 
 - Следующим этапом - нормализировал (так как у нас среднеквадратичное, то все значения
положительные, то просто ищем максимум. Потом все значения домножаем на 256/максимум.
вместо 256 можно подставить свое любимое значение).
 - теперь просто сравниваем два массива. Если предполагаем, что есть свиги, то применяем
классические алгоритмы поиска подстроки в строке.
Понятное дело, что бы алгоритм был достаточно интеллектуальным, придется хорошо потрудиться.


Ответ 2

Тк, нужно сравнивать не только файлы но и звук, то из задачи становится что без частотного
анализа здесь не обойтись.
Я бы попробовал следующее. Логически дискретм отрывок звука (например берем все частоты
появившиеся за  100мс, чем чаще тем лучше), строим качественное FFT и сохраняем массив
частот. Берем второй отрывок и делаем тоже самое и сравниваем. Попал нипопал сравниваем в %.
Вопрос синхронизации отрывков, берем из первого кусок, смотрим есть ли такой же во
втором.
Вопрос скорости проигрывания, при изменении скорости проигрывания частоты звуков
также повышаются. Разница в отрывке между оригиналом и ускоренным будет как правило
константа.