Acoustic Fingerprint
Bir ses kaydını bit düzeyinde değil, algısal ve zamansal özellikleri üzerinden eşleştirmeye yarayan kompakt temsil.
Akustik parmak izi kriptografik hash değildir. Aynı kayıt farklı codec, seviye veya sınırlı gürültü altında değişse bile eşleşmenin korunması hedeflenir.
Eşleşme Mantığı
Shazam ile bilinen landmark yaklaşımında spektrogramdaki kararlı tepe noktaları zaman-frekans çiftleri halinde kodlanır. Aramada tek bir hash eşleşmesinden çok, aynı zaman ofsetini destekleyen çok sayıda eşleşmenin kümelenmesi önemlidir. Bu özellik büyük referans arşivlerinde inverted index kullanımını mümkün kılar.
Karıştırılmaması Gerekenler
Acoustic fingerprint içerik kimliği arar; speaker embedding ise konuşmacı kimliğini temsil etmeye çalışır. Perceptual hash, ASR ve voice biometrics aynı sinyalden özellik çıkarabilse de optimizasyon hedefleri farklıdır.
Kaynak
- https://www.ee.columbia.edu/~dpwe/papers/Wang03-shazam.pdf