当广播音频流遇见音频指纹

全国各地的广播电台每天不间断播放由主播编排过的歌曲，这些歌曲的播放影响着上亿人群对歌曲的关注和喜好。针对不同地域对不同歌曲偏好的分析是极具价值的。

通过什么途径可以了解全国广播歌曲的播放情况？阿基米德FM每天实时更新的全国广播电台热播歌曲榜是怎样来的？说到这些话题,有必要了解下榜单背后的一个技术——音频指纹(Audio Fingerprinting)。除了歌曲榜单，音频指纹技术在阿基米德广播音频流检索中还有哪些应用？

一、音频指纹技术介绍

音频指纹是指可以代表一段音频声学特征的数字签名，具备高度简洁和独一无二的特点。通过音频指纹的提取和比对，可以确定两段音频内容是否相同。在某些场景下，音频指纹也被称为音频的DNA。音频指纹系统通常包括两个部分：声纹提取算法和声纹检索算法。如下图所示：

常用的声纹提取算法有Philips、Chromaprint、Echoprint、Landmark等，借鉴图像检索方案，时频谱SIFT特征也用于提取音频声纹。音频指纹长什么样呢？下图展示了Shazam提出的一种指纹算法。在实际场景中，人们通常根据音频情况以及具体的检索要求，选择合适的声纹提取和检索方案。

二、音频指纹应用实践

1.广播歌曲识别

通过对全国范围的电台音频流进行分析，识别和统计广播音频流中播放的歌曲，可以从中了解全国广播歌曲的流行风向。不同于常见的“听歌识曲”功能，广播音频流的歌曲识别对声纹抗噪性要求不高，但对声纹的准确性、区分性和搜索速度有较高的要求。因此我们重点在声纹的特征分辨力和检索方案上做了改进，系统能够稳定识别同一首歌曲的不同版本，且具备较高的识别度。目前阿基米德FM的广播歌曲识别，覆盖了平台几乎所有的音频流，在广播歌曲的识别和榜单统计上取得了不错的效果。

2. 广播广告监播

广告监播功能，用于监测指定的广告音频在广播音频流中的播放次数和播放时间，多面向广告商和广播电台，这一功能背后的核心技术也是音频指纹。

我们为监播的广播音频流建立了声纹库，对指定广告音频提取声纹，查询广播音频流声纹库，即可获得指定广告的播放时间。但由于监播广告的时长最短仅4秒左右，且同一品牌的系列广告存在不同版本，广告也存在时间伸缩可能，这些情况都给音频指纹系统带来挑战。阿基米德采用了抗时间伸缩且特征码密度更高的音频指纹，较好地解决了短时长、时间伸缩和相似版本广告的识别问题。

我们抽取了全国的若干广播音频流进行实验和评估，广告的查准率和查全率都达到了98%以上。相比于传统的人工监播方式，引入自动广告监播可在数据准确性和工作效率上取得显著的提高。

3.广播节目重播联播检测

在广播节目的排期中，广播电台的节目安排存在重播、转播、联播等情况。从广播音频流的节目单维护以及内容理解角度，一个问题就自然出现了：哪些时段的广播音频内容是重播、转播和联播内容？基于音频指纹技术，我们设计了音频流的重复时段检测方法。通过对广播音频流提取音频指纹，以及不同时段间的高效检索和比对，可以准确地检测出广播中的重播、转播和联播时段，相关方法还申请了发明专利并获得授权。

在实际应用场景中，阿基米德FM的节目单系统维护了全国范围内最为完善的广播节目单，该方法可以有效提升节目单的维护效率。另一方面，从广播音频流的内容理解角度，该方法可以准确标记重复音频时段，对于重复音频则不需要进行后续的内容理解和短音频拆出流程。

三、总结与展望

以上我们介绍了音频指纹技术的概念和常用系统结构，分享了阿基米德FM将音频指纹与广播音频流相结合产生的实践案例。随着音频的爆发式增长，音频指纹技术将在音频内容理解、播放监测、版权管理等多方面产生更多应用，新的算法也将伴随应用场景不断生成。

（作者为阿基米德传媒高级软件开发专家）