🎧 Як Shazam упізнає пісню в гамірній кав'ярні
#howto

Прочитай статтю і ти зрозумієш, чому застосунок слухає не мелодію й не слова, а шум йому не заважає.

1. Мікрофон пише звук як ряд чисел. 44 100 замірів на секунду.
2. Швидке перетворення Фур'є (FFT) бере вікна по ~1024 заміри (~23 мс) і будує спектрограму. Час по горизонталі, частота по вертикалі, гучність яскравістю.
3. Майже все викидаємо. Лишаємо тільки найгучніші піки. Виходить мапа-сузір'я.
4. Окремий пік нічого не каже: такі є в тисячах пісень. Тому беремо пари сусідніх піків, якір і ціль.
5. Хеш пари це дві частоти плюс пауза між ними. Трихвилинна пісня дає тисячі хешів.
6. Хеш працює як адреса в базі. Телефон не перебирає пісні, а дістає з індексу ті, де такий хеш є.
7. Збіг зараховується, коли паузи між знайденими хешами в записі й у пісні лягають однаково.

Шум додає слабку енергію всюди, але гучних піків майже не створює.

https://perthirtysix.com/how-the-heck-does-shazam-work

📎 Читайте також:
→ «How The Heck?» - інтерактивні розбори буденних технологій
→ Як працює невидимий водяний знак в AI-тексті
→ Як прибрати водяний знак з Gemini

#алгоритми #аудіо #технології