记得有个大家记歌词的节目，很火爆，通过旋律快速找到歌曲，旋律搜索有多少用处呢？我们常常会遭遇到这样的尴尬：在大街小巷邂逅一段熟悉的旋律，无奈又听不清歌词。遗憾也许这辈子就这样失之交臂了。

    不必懊恼，Shazam 是一款能够识别音乐讯号的应用。相信不少朋友对它并不陌生。它在 iPhone 和 Andriod 手机里出现的频率很高，诺基亚的某些手机甚至预装了这样一款软件。

    它的基本原理就是通过采集十几秒的声音样本，通过网络将音乐信号发回 Shazam公司，经过数据分析，很快便将该乐曲的相关信息发回手机。你对此一定不满足，幸运的是我们找到了开发者的一份材料。

    我们都知道，一段音乐信号可以通过频谱图表示。横轴表示时间，纵轴为频率，另一个轴表示强度，即一个三维的频谱。那么，一条水平线代表一段连续的音频，垂直线代表一个瞬间的白噪声。如下图，图中的每一个点都代表特定时间点的频率强度，即为选定的"锚点"。图中的红色标记代表该时间点声音强度的峰值。

    由开发者的材料看，他们大约是每秒提取 3 个锚点。然后，他们会把收集到的信息建成一个哈希表(Hash table)，其键值就是频率。当 Shazam 收到一段音频，以下图为例，它会以第一个键值，即 823.44 Hz 搜索匹配项。

    哈希表可能如图所示：

    他们不只是标注频谱的一个点，而是一个点对，每个峰值加了第二次锚点，即一个散列的两个点的频率，这样就能减少搜索时因噪声干扰而可能产生的误差。

    接下来就是检索的过程了，如果一段音频多次匹配，就会自动坚持这些频率所对应的时间是否与哈希表一致。当两个音频近似时，这些锚点连成一条连线，如果能检测出这条线，就说明音频匹配。

    据悉，类似的技术最早由一家名为 Melodis 的公司推出，它推出的一款应用―― Midomi ，与 Shazam 相似。当然，也不乏基于电脑的应用，比如前不久测试的百度哼唱，是首次在国内推出的哼唱搜索引擎。不过由于技术问题，推出时间可能要到2011年下半年了。 Midomi和shazam的搜索在美国用的人不多，倒是中国市场贡献了1/4的点击量，人多力量大啊。

     说到语音的搜索，shazam号称收录的音乐曲目为7万，而midomi则有超过10万首歌，天文数字，传统的数据库搜索是无法完成的。只有使用使用云计算云存储的方式解决。

     举例：使用类似BIGTABLE的半结构化数据库记录每首哥的旋律：

    搜索方式采用数状结构：根服务器，从根音823.44赫兹开始，到第二个记录音的音频小于800则进入server A进行搜索，如此类推，进入到第三或者第四层时，搜索匹配的数据在几千个，大大缩短了收索时间，也将海量收索的负载平均分配下去。

     期盼在视频搜索上也能有如此的突破，将来的世界通过声音，动作就能进行控制。

建议继续学习：

1. php实现百度音乐采集下载    (阅读：4308)
2. 关于音乐搜索    (阅读：2858)
3. 音乐搜索的极致    (阅读：2844)
4. 移动音乐产品梳理    (阅读：1931)