基于內(nèi)容的音頻檢索系統(tǒng)應(yīng)用研究.pdf

1、隨著現(xiàn)代信息技術(shù)，特別是網(wǎng)絡(luò)技術(shù)和多媒體技術(shù)的迅速發(fā)展，大量的數(shù)字音頻被創(chuàng)造，傳輸和儲(chǔ)存。當(dāng)今人們面臨的問題不再是缺乏多媒體內(nèi)容，而是如何在海量的數(shù)字媒體世界中快速地找到自己需要的信息。音樂家，音效工程師這些專業(yè)從業(yè)者面臨著巨大的挑戰(zhàn)，他們必須從海量的，并且快速增大的音頻文件集中找到合適的聲音。雖然傳統(tǒng)的基于文本的音頻檢索系統(tǒng)能幫助用戶尋找音頻，但是效果并不理想。用戶需要提供關(guān)于該音頻的文字描述，然后系統(tǒng)給出文本匹配結(jié)果，然而，音頻文件

2、的手工標(biāo)注的工作量極大，現(xiàn)有大量的音頻都只是用無意義的字母或者數(shù)字作為音頻的文件名；而且無論多復(fù)雜的音頻，也只能用一句簡單的語句來描述，無法體現(xiàn)多媒體數(shù)據(jù)相對于文本數(shù)據(jù)的優(yōu)勢；再者，不精確的命名和標(biāo)簽迫使用戶為了獲得合適的音頻而不得不試聽大量的音頻文件，這樣的基于文本描述的檢索方式耗費(fèi)大量的時(shí)間，已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足用戶的需要。 本文提出了一種結(jié)合快速試聽音頻功能的基于內(nèi)容的音頻檢索系統(tǒng)。這個(gè)基于內(nèi)容的音頻檢索系統(tǒng)首先提取音頻數(shù)據(jù)庫

3、中的音頻的MFCC特征并且存儲(chǔ)于數(shù)據(jù)庫中，然后系統(tǒng)給用戶提供兩種音頻查詢方式，用戶可以通過擬聲或者聲音繪畫的查詢方式，對數(shù)據(jù)庫中所有的音頻進(jìn)行檢索，接著系統(tǒng)計(jì)算音頻之間的距離，把音頻自組織映射到快速試聽界面，供用戶快速試聽。文章首先分析了基于內(nèi)容的音頻檢索系統(tǒng)的國內(nèi)外現(xiàn)狀，詳細(xì)探討了相關(guān)音頻檢索的技術(shù)，然后針對現(xiàn)有音頻檢索系統(tǒng)的不足，設(shè)計(jì)了新型的基于內(nèi)容的音頻檢索系統(tǒng)，接著本文結(jié)合相關(guān)的關(guān)鍵技術(shù)和編程技巧，實(shí)現(xiàn)了系統(tǒng)的核心模塊并進(jìn)行用戶