python - 有什么方法可以增加我的哈希的冲突次数以进行音频处理吗?
问题描述
所以我正在尝试制作一种针对澳大利亚鸟类的鸟类 shazam(因为我在这里没有看到这个)。请不要告诉我它不适用于真实的音频样本,我很清楚这一点,我这样做只是为了好玩并学习更多编码:)
到目前为止,我已经得到了这段代码(我承认我从网上偷了很多代码):
def hash_file(filename):
""""This function returns the SHA-1 hash
of the file passed into it"""
# make a hash object
h = hashlib.blake2s()
# open file for reading in binary mode
with open(filename,'rb') as file:
# loop till the end of the file
chunk = 0
while chunk != b'':
# read only 1024 bytes at a time
chunk = file.read(1024)
h.update(chunk)
# return the hex representation of digest
return h.hexdigest()
import os
from pydub import AudioSegment
from pydub.utils import make_chunks
list_of_sounds = {}
directory = r'Bird_Calls'
for filename in os.listdir(directory):
if filename.endswith(".mp3"):
#print(os.path.join(directory, filename))
#print(hash_file(os.path.join(directory,filename)))
hasha=hash_file(os.path.join(directory,filename))
list_of_sounds[hasha] = [filename]
else:
continue
print(list_of_sounds)
import pyaudio
import wave
CHUNK = 1024
FORMAT = pyaudio.paInt16
CHANNELS = 1
RATE = 44100
RECORD_SECONDS = 5
WAVE_OUTPUT_FILENAME = "tmp.mp3"
p = pyaudio.PyAudio()
stream = p.open(format=FORMAT,
channels=CHANNELS,
rate=RATE,
input=True,
frames_per_buffer=CHUNK)
print("* recording")
frames = []
for i in range(0, int(RATE / CHUNK * RECORD_SECONDS)):
data = stream.read(CHUNK)
frames.append(data)
print("* done recording")
stream.stop_stream()
stream.close()
p.terminate()
wf = wave.open(WAVE_OUTPUT_FILENAME, 'wb')
wf.setnchannels(CHANNELS)
wf.setsampwidth(p.get_sample_size(FORMAT))
wf.setframerate(RATE)
wf.writeframes(b''.join(frames))
wf.close()
recorded=hash_file("tmp.mp3")
if recorded in list_of_sounds:
print(filename)
问题是当我录制音频时(即使它只是播放一个我知道在数据库中的电话,然后只是录制它以获取哈希),哈希值仍然不同。我知道这是由于时序/音频质量/背景噪声等方面的轻微偏移。有没有办法让我的哈希值“更模糊”以增加碰撞的机会?或者我是不是完全错误地处理了这个问题。请不要将我指向 dejavu 程序的方向,我确信它工作得很好,但我想看看我是否可以自己编写代码。谢谢!
解决方案
您选择了 Blake2S 作为散列函数。这是一个加密散列函数,这意味着它旨在为每个输入字节产生非常不同的结果。
对您而言,这意味着:如果您的 MP3 仅 1 个字节不同,则生成的哈希值已经非常不同。
增加碰撞次数无济于事。实际上它会相反:任何其他文件(即使是文本文件、Word 文档或类似文件)都会有更高的变化来匹配您的鸟鸣。
您需要的是专门为音频设计的哈希函数。对于类似 Shazam 的功能,即:
- 时间可能相对严格,因为我们希望所有播放都具有相同的速度(由于制造公差和温度,这可能会有所不同,但可能小于 1%)
- 它必须允许时移,因为录制可能迟早开始
- 它对频率可能相对严格,因为它是以特定频率录制的,我们希望播放产生类似的结果(如果使用均衡器并且每个扬声器都有不同的谐振频率,这可能会有所不同)
- 它必须允许幅度变化,因为播放可以更大声或从更远的地方录制
- 它必须允许噪音和环境声音
对于鸟类来说,算法变得更加困难,因为
- 它必须允许时间差异,因为不是每只鸟都以相同的速度唱歌
- 它必须允许频移,因为鸟儿可能会以不同的频率唱歌,而且它们没有什么可调的
为了解决图片中显示的一些问题,Shazam 使用频谱而不是波形,因此您需要的是傅立叶变换(通常是 FFT,而不是很多 DFT)。他们不会做一次,而是以很小的增量做,所以他们得到一个瀑布谱图,比如
但他们仍然需要考虑存在时间偏移(X 轴偏移)和响度差异(更强烈的颜色)。您还需要考虑两个轴上的移位和拉伸。
也许在频谱图上做一些类似图像处理的事情。您可以尝试识别具有当前频率和不存在频率的边缘和区域,如下所示:
这样你就可以说这两个声音都包含 4 个边缘、2 个不存在的频率区域和 4 个存在的频率区域以及它们彼此的相对位置是相似的。
这正是你的哈希值。
推荐阅读
- mysql - 尝试使用 mysql 秘密引擎插件设置安装在 GCP 上的 Vault 时出错
- intellij-idea - IntelliJ .idea 文件夹是本地更改的一部分,尽管它是在 .gitignore 中定义的
- http-headers - FastCGI+lighttpd+C++:如何访问代码中的 HTTP 标头?
- mysql - MySQL CURSOR 循环在过程中添加了一个额外的循环
- bash - 如何在 bash 脚本中的 source env shell 之后运行命令
- javascript - JsFiddle:库“加载类型”是指库还是我的代码?
- php - 学说:从数据库中生成实体
- c# - 如何在 C# 中模拟文件上传?
- javascript - 在javascript中将函数作为动态函数调用为数组值
- java - “If”语句不会循环打印