WAVファイルから波形データを抽出してハッシュを取るだけであれば python で、、
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import wave, hashlib
wr = wave.open('tmp.wav','r')
data = wr.readframes(wr.getnframes())
wr.close();
hash_data = hashlib.sha256(data).hexdigest()
で取れます。
なので(あまりうまくいく気がしないのですが)、 ffmpeg を使って元の mp3 ファイルを、、
$ ffmpeg -i in.mp3 -ac 1 -ar 8000 -acodec pcm_s16le tmp.wav
とかして、モノラルの framerate 8000 の sampwidth 2(16bit-little) と乱暴に劣化させてから、上記のスクリプトを通せば、多少はマシな ID もどきが作れるかもしれません。
もう少し頑張るなら、、
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import wave,struct,hashlib
wr = wave.open('tmp.wav','r')
# debug..
# print "channels : ", wr.getnchannels()
# print "sampwidth : ", wr.getsampwidth()
# print "framerate : ", wr.getframerate()
# print "frame num : ", wr.getnframes()
# print "prams : ", wr.getparams()
# print "sec : ", float(wr.getnframes()) / wr.getframerate()
tmp = []
length = wr.getnframes()
for i in range(0, length):
data = wr.readframes(1)
nn = struct.unpack("<H", data[0:2])[0]
# 乱暴に割ってしまう
nn = nn / 32
# 乱暴に小さい波形は無視する
if nn > 8:
tmp.append(nn)
wr.close();
hash_data = hashlib.sha256(str(tmp)).hexdigest()
くらいすると良いかもしれません。(かなり適当です。。)
乱暴をしている箇所と、debug
で出してるデータあたりの考慮と、その他もろもろを工夫すると、幸せになれるような気が少しします。
曲の波形データからその特徴的部分を抜き出してデータ化し、それを元にデータベースを構築して、それと照らし合わせるというものです。一般にその抜き出したデータを“サウンド指紋”(英語ではFingerPrints)と呼んでいるのですが、非常にコンパクトなものとなっています。
とありますが、これの「サウンド指紋を生成する部分のみ」が私がほしいものに近いです。 これが、個人の開発者がフリーで利用できる実装系があればよいのですが…。