コンテンツへスキップ
uencoder

Spectral Hash

スペクトラルハッシュは信号の周波数領域特徴(FFT/DCT 係数)をハッシュ化し、音声フィンガープリントやスペクトル類似度比較に使われる。

目的

時間シフトや圧縮に頑健な音声認識フィンガープリントを提供する。Shazam などのサービスの基盤である。

メカニズム

信号に FFT/DCT を適用し、エネルギーが集中する帯域の係数を選んで量子化し、ビット列にする。周波数領域特徴は時間シフトに対して不変(位相のみ変化)なので、時間オフセットに頑健である。

ユースケース

  • 音声フィンガープリント認識
  • スペクトル類似度
  • 音楽を検索する

関連ツール

References