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，傳輸和儲存。當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大量的時間，已經(jīng)遠遠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)庫中所有的音頻進行檢索，接著系統(tǒng)計算音頻之間的距離，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，實現(xiàn)了系統(tǒng)的核心模塊并進行用戶