Распознать песню онлайн на компьютер: Лучшие сервисы и программы для распознавания музыки по звуку

Содержание

Лучшие сервисы и программы для распознавания музыки по звуку

Практически каждый человек в своей жизни сталкивался с дилеммой поиска понравившегося ему музыкального трека в Интернете. Порой мы тратили по нескольку часов, прочесывая просторы Всемирной паутины, но все было тщетно. Тем не менее многие забывают либо и вовсе не подозревают (как правило, начинающие пользователи сети), что существует возможность найти музыку по отрывку, используя специализированные сервисы или ПО. В сегодняшней статье мы рассмотрим с вами несколько сервисов/программ для распознавания музыки онлайн.

Shazam

Пожалуй, наиболее популярным выбором среди пользователей является такой бесплатный кроссплатформенный проект, как Shazam (или Шазам в русском варианте). Shazam распространяется в виде приложения и доступен на достаточно широком ряде различных платформ. Windows 8, Windows RT, Windows Phone, iOS, Windows Mobile, BlackBerry, Symbian OS, Android, Mac OS, Windows 10 Mobile – на устройствах, управляемыми этими операционными системами, можно запросто установить Шазам.

Впрочем, стоит заметить, что данная программа популярна прежде всего на мобильных устройствах под управлением Android и iOS. Ок, давайте рассмотрим небольшой пример того, как использовать Шазам на Android-смартфоне. Прежде всего, вам потребуется пройти в Google Play и установить программу. Она бесплатная, так что никаких проблем возникнуть не должно.

Итак, запускаем Шазам и видим перед собой примерно следующую картину:

Чтобы распознать музыку или, как предлагает программа, «Шазамить», вам нужно нажать на кнопку с логотипом приложения, а затем поднести свое устройство к источнику звука. Через некоторое время Шазам определит песню и выдаст вам ее название, количество проведенных «шазамов», а также предложит купить/открыть ее в Google Play Music (или соответствующем для вашего гаджета сервисе). Сделав свайп вправо вы перейдете к меню «Мой Shazam», влево – «Микс». Как вы могли убедиться, пользоваться программой Shazam чрезвычайно просто и она не занимает много места на вашем устройстве.

SoundHound

Еще одним крайне популярным приложением для поиска мелодии является программа SoundHound, разработанная одноименной компанией, которая специализируется на распознавании речи и аудио. В отличие от предыдущей программы в списке, SoundHound доступен лишь на современных мобильных операционных системах, т.е. Android и iOS. Пользовательский интерфейс программы SoundHound довольно схож с Shazam, так что никаких проблем при поиске нужного вам трека возникнуть не должно. А выглядит SoundHound следующим образом:

Как вы можете видеть, довольно простой интерфейс. Нажмите на центральную кнопку, чтобы запустить распознавание песни онлайн. Вы можете поднести свой смартфон к источнику звука или даже напеть(!) застрявшую у вас голове мелодию. SoundHound обладает высокой точностью и показывает результаты довольно быстро. На все проведенные проверки вы можете посмотреть во вкладке «История». Ознакомиться с популярными треками по всему миру можно во вкладке «Чарты».  SoundHound – удобный и компактный определитель музыки, который определенно не разочарует вас.

AudioTag

Если вы не хотите использоваться различные приложения на своем смартфоне, то можете прибегнут к услугам AudioTag. Что это такое? AudioTag – это бесплатный сервис, в задачи которого входит распознавание музыки. С помощью данного сервиса вы сможете определить название трека, имя его исполнителя и прочую не менее важную информацию о нем. Дизайн AudioTag достаточно минималистичен, им чрезвычайно просто пользоваться и он абсолютно бесплатен.

Однако, есть у AudioTag одна интересная и не самая удобная особенность: вам потребуется загружать на сайт аудиофайл с фрагментом нужного вам трека, после чего робот сервиса постарается распознать и предоставить по нему всю доступную информацию. Сервис поддерживает множество различных форматов аудиофайлов: несжатые, ADPCM, WAV, MP3, OGG, FLAC, FLV, AMR MP4 и многое другое. Чтобы осуществить оптимальный поиск музыки по фрагменту, длина этого фрагмента должна составлять от 15 до 45 секунд.

Midomi

Midomi – это еще один чрезвычайно популярный сервис, способный определять песню по звуку. Довольно интересный факт: Midomi – это дочерняя компания SoundHound. Данный сервис работает примерно по такой же схеме, как и предыдущий сервис в списке, тем не менее вам не потребуется загружать на него какие-либо аудиофайлы.

Вам нужно просто нажать на кнопку и поставить свой микрофон к источнику звуку или напеть нужную вам песню. Помимо прочего, на ресурсе вы сможете получить доступ к различному контенту музыкальной направленности. Также вы можете воспользоваться функциональным поисковиком. Пожалуй, спросив пользователей о каком-нибудь распознавателе музыки, один из трех порекомендует вам заглянуть к Midomi.

Как Яндекс распознаёт музыку с микрофона / Блог компании Яндекс / Хабр

Поиск по каталогу музыки — это задача, которую можно решать разными путями, как с точки зрения пользователя, так и технологически. Яндекс уже довольно давно научился искать и по названиям композиций, и по текстам песен. На сказанные голосом запросы про музыку мы тоже умеем отвечать в Яндекс.Поиске под iOS и Android, сегодня же речь пойдёт о поиске по аудиосигналу, а если конкретно — по записанному с микрофона фрагменту музыкального произведения. Именно такая функция встроена в мобильное приложение Яндекс.Музыки:

В мире есть всего несколько специализированных компаний, которые профессионально занимаются распознаванием музыкальных треков. Насколько нам известно, из поисковых компаний Яндекс стал первым, кто стал помогать российскому пользователю в решении этой задачи. Несмотря на то, что нам предстоит ещё немало сделать, качество распознавания уже сопоставимо с лидерами в этой области. К тому же поиск музыки по аудиофрагменту не самая тривиальная и освещённая в Рунете тема; надеемся, что многим будет любопытно узнать подробности.


О достигнутом уровне качества

Базовым качеством мы называем процент валидных запросов, на которые дали релевантный ответ — сейчас около 80%. Релевантный ответ — это трек, в котором содержится запрос пользователя. Валидными считаем лишь те запросы из приложения Яндекс.Музыки, которые действительно содержат музыкальную запись, а не только шум или тишину. При запросе неизвестного нам произведения считаем ответ заведомо нерелевантным.


Технически задача формулируется следующим образом: на сервер поступает десятисекундный фрагмент записанного на смартфон аудиосигнала (мы его называем запросом), после чего среди известных нам треков необходимо найти ровно тот один, из которого фрагмент был записан. Если фрагмент не содержится ни в одном известном треке, равно как и если он вообще не является музыкальной записью, нужно ответить «ничего не найдено». Отвечать наиболее похожими по звучанию треками в случае отсутствия точного совпадения не требуется.
База треков

Как и в веб-поиске, чтобы хорошо искать, нужно иметь большую базу документов (в данном случае треков), и они должны быть корректно размечены: для каждого трека необходимо знать название, исполнителя и альбом. Как вы, наверное, уже догадались, у нас была такая база. Во-первых, это огромное число записей в Яндекс.Музыке, официально предоставленных правообладателями для прослушивания. Во-вторых, мы собрали подборку музыкальных треков, выложенных в интернете. Так мы получили 6 млн треков, которыми пользователи интересуются чаще всего.
Зачем нам треки из интернета, и что мы с ними делаемНаша цель как поисковой системы — полнота: на каждый валидный запрос мы должны давать релевантный ответ. В базе Яндекс.Музыки нет некоторых популярных исполнителей, не все правообладатели пока участвуют в этом проекте. С другой стороны, то что у нас нет права давать пользователям слушать какие-то треки с сервиса, вовсе не означает, что мы не можем их распознавать и сообщать имя исполнителя и название композиции.

Раз мы — зеркало интернета, мы собрали ID3-теги и дескрипторы каждого популярного в Сети трека, чтобы опознавать и те произведения, которых нет в базе Яндекс.Музыки. Хранить достаточно только эти метаданные — по ним мы показываем музыкальные видеоклипы, когда нашлись только записи из интернета.


Малоперспективные подходы

Как лучше сравнивать фрагмент с треками? Сразу отбросим заведомо неподходящие варианты.
  1. Побитовое сравнение. Даже если принимать сигнал напрямую с оптического выхода цифрового проигрывателя, неточности возникнут в результате перекодирования. А на протяжении передачи сигнала есть много других источников искажений: громкоговоритель источника звука, акустика помещения, неравномерная АЧХ микрофона, даже оцифровка с микрофона. Всё это делает неприменимым даже нечёткое побитовое сравнение.
  2. Водяные знаки. Если бы Яндекс сам выпускал музыку или участвовал в производственном цикле выпуска всех записей, проигрываемых на радио, в кафе и на дискотеках — можно было бы встроить в треки звуковой аналог «водяных знаков». Эти метки незаметны человеческому уху, но легко распознаются алгоритмами.
  3. Нестрогое сравнение спектрограмм. Нам нужен способ нестрогого сравнения. Посмотрим на спектрограммы оригинального трека и записанного фрагмента. Их вполне можно рассматривать как изображения, и искать среди изображений всех треков самую похожую (например, сравнивая как векторы с помощью одной из известных метрик, таких как L²):

    Но в применении этого способа «в лоб» есть две сложности:
    а) сравнение с 6 млн картинок — очевидно, дорогая операция. Даже огрубление полной спектрограммы, которое в целом сохраняет свойства сигнала, даёт несколько мегабайт несжатых данных.
    б) оказывается что одни различия более показательны, чем другие.

В итоге, для каждого трека нам нужно минимальное количество наиболее характерных (т.е. кратко и точно описывающих трек) признаков.

Каким признакам не страшны искажения?

Основные проблемы возникают из-за шума и искажений на пути от источника сигнала до оцифровки с микрофона. Можно для разных треков сопоставлять оригинал с фрагментом, записанным в разных искусственно зашумлённых условиях — и по множеству примеров найти, какие характеристики лучше всего сохраняются. Оказывается, хорошо работают пики спектрограммы, выделенные тем или иным способом — например как точки локального максимума амплитуды. Высота пиков не подходит (АЧХ микрофона их меняет), а вот их местоположение на сетке «частота-время» мало меняется при зашумлении. Это наблюдение, в том или ином виде, используется во многих известных решениях — например, в Echoprint. В среднем на один трек получается порядка 300 тыс. пиков — такой объём данных гораздо более реально сопоставлять с миллионами треков в базе, чем полную спектрограмму запроса.

Но даже если брать только местоположения пиков, тождественность множества пиков между запросом и отрезком оригинала — плохой критерий. По большому проценту заведомо известных нам фрагментов он ничего не находит. Причина — в погрешностях при записи запроса. Шум добавляет одни пики, глушит другие; АЧХ всей среды передачи сигнала может даже смещать частоту пиков. Так мы приходим к нестрогому сравнению множества пиков.

Нам нужно найти во всей базе отрезок трека, наиболее похожий на наш запрос.

То есть:

  • сначала в каждом треке найти такое смещение по времени, где бы максимальное число пиков совпало с запросом;
  • затем из всех треков выбрать тот, где совпадение оказалось наибольшим.

Для этого строим гистограмму: для каждой частоты пика, которая присутствует и в запросе, и в треке, откладываем +1 по оси Y в том смещении, где нашлось совпадение:

Трек с самой высоким столбцом в гистограмме и есть самый релевантный результат — а высота этого столбца является мерой близости между запросом и документом.
Борьба за точность поиска

Опыт показывает, что если искать по всем пикам равнозначно, мы будем часто находить неверные треки. Но ту же меру близости можно применять не только ко всей совокупности пиков документа, но и к любому подмножеству — например, только к наиболее воспроизводимым (устойчивым к искажениям). Заодно это и удешевит построение каждой гистограммы. Вот как мы выбираем такие пики.

Отбор по времени: сначала, внутри одной частоты, по оси времени от начала к концу записи запускаем воображаемое «опускающееся лезвие». При обнаружении каждого пика, который выше текущего положения лезвия, оно срезает «верхушку» — разницу между положением лезвия и высотой свежеобнаруженного пика. Затем лезвие поднимается на первоначальную высоту этого пика. Если же лезвие не «обнаружило» пика, оно немного опускается под собственной тяжестью.

Разнообразие по частотам: чтобы отдавать предпочтение наиболее разнообразным частотам, мы поднимаем лезвие не только в само́й частоте очередного пика, но и (в меньшей степени) в соседних с ней частотах.

Отбор по частотам: затем, внутри одного временно́го интервала, среди всех частот, выбираем самые контрастные пики, т.е. самые большие локальные максимумы среди срезанных «верхушек».


При отборе пиков есть несколько параметров: скорость опускания лезвия, число выбираемых пиков в каждом временно́м интервале и окрестность влияния пиков на соседей. И мы подобрали такую их комбинацию, при которой остаётся минимальное число пиков, но почти все они устойчивы к искажениям.

Ускорение поиска

Итак, мы нашли метрику близости, хорошо устойчивую к искажениям. Она обеспечивает хорошую точность поиска, но нужно ещё и добиться, чтобы наш поиск быстро отвечал пользователю. Для начала нужно научиться выбирать очень малое число треков-кандидатов для расчёта метрики, чтобы избежать полного перебора треков при поиске.

Повышение уникальности ключей: Можно было бы построить индекc
    Частота пика(Трек, Местоположение в нём).
Увы, такой «словарь» возможных частот слишком беден (256 «слов» — интервалов, на которые мы разбиваем весь частотный диапазон). Большинство запросов содержит такой набор «слов», который находится в большинстве из наших 6 млн документов. Нужно найти более

отличительные (discriminative) ключи — которые с большой вероятностью встречаются в релевантных документах, и с малой в нерелевантных.

Для этого хорошо подходят пары близко расположенных пиков. Каждая пара встречается гораздо реже.
У этого выигрыша есть своя цена — меньшая вероятность воспроизведения в искажённом сигнале. Если для отдельных пиков она в среднем P, то для пар — P2 (т.е. заведомо меньше). Чтобы скомпенсировать это, мы включаем каждый пик сразу в несколько пар. Это немного увеличивает размер индекса, но радикально сокращает число напрасно рассмотренных документов — почти на 3 порядка:

Оценка выигрышаНапример, если включать каждый пик в 8 пар и «упаковать» каждую пару в 20 бит (тогда число уникальных значений пар возрастает до ≈1 млн), то:
  • число ключей в запросе растёт в 8 раз
  • число документов на ключ уменьшается в ≈4000 раз: ≈1 млн/256
  • итого, число напрасно рассмотренных документов уменьшается в ≈500 раз: ≈4000/8


Отобрав с помощью пар малое число документов, можно переходить к их ранжированию. Гистограммы можно с тем же успехом применять к парам пиков, заменив совпадение одной частоты на совпадение обеих частот в паре.

Двухэтапный поиск: для дополнительного уменьшения объёма расчётов мы разбили поиск на два этапа:

  1. Делаем предварительный отбор (pruning) треков по очень разреженному набору наиболее контрастных пиков. Параметры отбора подбираются так, чтобы максимально сузить круг документов, но сохранить в их числе наиболее релевантный результат
  2. Выбирается гарантированно наилучший ответ — для отобранных треков считается точная релевантность по более полной выборке пиков, уже по индексу с другой структурой:
        Трек(Пара частот, Местоположение в треке).
Такая двухэтапность ускорила поиск в 10 раз. Интересно, что в 80% случаев результат даже огрублённого ранжирования на первом этапе совпадает с самым релевантным ответом, полученным на втором этапе.

В результате всех описанных оптимизаций вся база, необходимая для поиска, стала в 15 раз меньше, чем сами файлы треков.

Индекс в памяти: И наконец, чтобы не ждать обращения к диску на каждый запрос, весь индекс размещён в оперативной памяти и распределён по множеству серверов, т. к. занимает единицы терабайт.

Ничего не найдено?

Случается, что для запрошенного фрагмента либо нет подходящего трека в нашей базе, либо фрагмент вообще не является записью какого-либо трека. Как принять решение, когда лучше ответить «ничего не найдено», чем показать «наименее неподходящий» трек? Отсекать по какому-нибудь порогу релевантности не удаётся — для разных фрагментов порог различается многократно, и единого значения на все случаи просто не существует. А вот если отсортировать отобранные документы по релевантности, форма кривой её значений даёт хороший критерий. Если мы знаем релевантный ответ, на кривой отчётливо видно резкое падение (перепад) релевантности, и напротив — пологая кривая подсказывает, что подходящих треков не найдено.
Что дальше

Как уже говорилось, мы в начале большого пути. Впереди целый ряд исследований и доработок для повышения качества поиска: например, в случаях искажения темпа и повышенного шума. Мы обязательно попробуем применить машинное обучение, чтобы использовать более разнообразный набор признаков и автоматически выбирать из них наиболее эффективные.

Кроме того, мы планируем инкрементальное распознавание, т.е. давать ответ уже по первым секундам фрагмента.

Другие задачи аудиопоиска по музыке

Область информационного поиска по музыке далеко не исчерпывается задачей с фрагментом с микрофона. Работа с «чистым», незашумлённым сигналом, претерпевшим только пережатие, позволяет находить дублирующиеся треки в обширной коллекции музыки, а также обнаруживать потенциальные нарушения авторского права. А поиск неточных совпадений и разного вида схожести — целое направление, включающее в себя поиск кавер-версий и ремиксов, извлечение музыкальных характеристик (ритм, жанр, композитор) для построения рекомендаций, а также поиск плагиата.

Отдельно выделим задачу поиска по напетому отрывку. Она, в отличие от распознавания по фрагменту музыкальной записи, требует принципиально другого подхода: вместо аудиозаписи, как правило, используется нотное представление произведения, а зачастую и запроса. Точность таких решений получается сильно хуже (как минимум, из-за несопоставимо бо́льшего разброса вариаций запроса), а поэтому хорошо они опознают лишь наиболее популярные произведения.

Что почитать

  • Avery Wang: «An Industrial-Strength Audio Search Algorithm», Proc. 2003 ISMIR International Symposium on Music Information Retrieval, Baltimore, MD, Oct. 2003. Эта статья впервые (насколько нам известно) предлагает использовать пики спектрограммы и пары пиков как признаки, устойчивые к типичным искажениям сигнала.
  • D. Ellis (2009): «Robust Landmark-Based Audio Fingerprinting». В этой работе даётся конкрентый пример реализации отбора пиков и их пар с помощью «decaying threshold» (в нашем вольном переводе — «опускающегося лезвия»).
  • Jaap Haitsma, Ton Kalker (2002): «A Highly Robust Audio Fingerprinting System». В данной статье предложено кодировать последовательные блоки аудио 32 битами, каждый бит описывает изменение энергии в своем диапазоне частот. Описанный подход легко обобщается на случай произвольного кодирования последовательности блоков аудиосигнала.
  • Nick Palmer: «Review of audio fingerprinting algorithms and looking into a multi-faceted approach to fingerprint generation». Основной интерес в данной работе представляет обзор существующих подходов к решению описанной задачи. Также описаны этапы возможной реализации.
  • Shumeet Baluja, Michele Covell: «Audio Fingerprinting: Combining Computer Vision & Data Stream Processing». Статья, написанная коллегами из Google, описывает подход на основе вейвлетов с использованием методов компьютерного зрения.
  • Arunan Ramalingam, Sridhar Krishnan: «Gaussian Mixture Modeling Using Short Time Fourier Transform Features For Audio Fingerprinting» (2005). В данной статье предлагается описывать фрагмент аудио с помощью модели Гауссовых смесей поверх различных признаков, таких как энтропия Шеннона, энтропия Реньи, спектрольные центроиды, мэлкепстральные коэффициенты и другие. Приводятся сравнительные значения качества распознавания.
  • Dalibor Mitrovic, Matthias Zeppelzauer, Christian Breiteneder: «Features for Content-Based Audio Retrieval». Обзорная работа про аудио-признаки: как их выбирать, какими свойствами они должны обладать и какие существуют.
  • Natalia Miranda, Fabiana Piccoli: «Using GPU to Speed Up the Process of Audio Identification». В статье предлагается использование GPU для ускорения вычисления сигнатур.
  • Shuhei Hamawaki, Shintaro Funasawa, Jiro Katto, Hiromi Ishizaki, Keiichiro Hoashi, Yasuhiro Takishima: «Feature Analysis and Normalization Approach for Robust Content-Based Music Retrieval to Encoded Audio with Different Bit Rates.» MMM 2009: 298-309. В статье акцентируется внимание на повышении робастности представления аудиосигнала на основе мел-кепстральных коэффициентов (MFCC). Для этого используется метод нормализации кепстра (CMN).

Как определить песню по звуку

Часто вы слышите классный трек, но не знаете ни названия, ни автора композиции? Думаю, да. Ведь именно поэтому приложения и сервисы по определению песен по звуку так популярны. В этой статье мы расскажем только о лучших и самых популярных из них.

Как определить песню по звуку на Android и iOS

Мобильные устройства всегда с нами, поэтому воспользоваться ими для распознавания понравившегося трека можно в любую минуту. Для Android и iOS существует несколько классных приложений, которые прекрасно справляются с данной задачей.

Стоит отметить, что для максимально быстрого и точного определения песни, нужно поднести смартфон или планшет поближе к источнику звука, хотя программы отлично справляется даже когда есть посторонний шум и звук исходит с дальнего расстояния.

Другие полезные инструкции:

SoundHound

Чтобы определить музыку при помощи данного сервиса, нужно на главном экране программы нажать большую желтую кнопку «SoundHound».

После этого начнется прослушивание и в конце приложение выдаст вам результат поиска: автора, название трека, альбом и дату выпуска.

Кроме того, вы можете сами пропеть песню, а SoundHound распознает её, но как вы и сами догадались, качество такого определения зависит от многих факторов, поэтому срабатывает достаточно редко.

Shazam

Работа с программой Shazam идентична SoundHound. Всё, что требуется — это на главном экране приложения нажать на единственную большую кнопку с подписью «Нажми, чтобы распознать».

Затем приложение начнет прослушивание аудио и после определения выдаст вам название трека, исполнителя, альбом, а также жанр композиции. Кроме этого Shazam предоставит возможность прослушать песню, а также посмотреть официальный клип.

Стоит отметить, что распознавание аудио программой Shazam происходит гораздо быстрее чем SoundHound, хотя в обоих случаях это занимает не больше пары секунд.

Распознавание песни онлайн

Я протестировал несколько известных онлайн серсисов по распознаванию музыки, но все они либо плохо распознавали треки, либо требовали непосредственной загрузки самого аудиофайла (AudioTag.info). Единственной достойной альтернативой Shazam и SoundHound оказался сервис Midomi.com.

Открыв сайт, на главной странице вам нужно нажать «Click and Sing or Hum», после чего появится запрос на использование микрофона. Разрешите, а затем поднесите источник звука (например, ваш смартфон) к микрофону и подождите 10 секунд. Если трек определился, сервис выдаст вам полную информацию о нем.

Но что делать, если вы хотите определить музыку, проигрываемую не с внешнего устройства, а с вашего компьютера? Для этого выполните следующие действия:

  1. Справа внизу в трее кликните правой кнопкой мышки по изображению динамика и выберите «Записывающие устройства»;
  2. В списке устройств записи кликните правой кнопкой по пустой области и в появившемся меню выберите «Показать отсоединенные устройства» и «Показать отключенные устройства»;
  3. В списке должен появится «Стерео микшер». Кликните по нему правой кнопкой мыши и нажмите «Включить», а затем «Использовать по умолчанию».

После этих действий Midomi.com будет распознавать отрывки музыки и с вашего компьютера, и с внешнего источника.

Как определить песню по звуку на ПК с Windows

Что касается программ для Windows, то здесь выбор больше, но их качество оставляет желать лучшего. Правда можно выделить 2 программы, которые явно превосходит своих аналогов в классе — Audiggle и всё тот же Shazam.

Audiggle

Audiggle можно скачать с официального сайта для всех популярных версий Windows (XP, Vista, 7, 8, 8.1), а также Mac OS.

Сразу же вы можете выбрать источник звука: микрофон или стерео микшер. Через микрофон можно определить музыку с внешнего источника, а при помощи стерео микшера — проигрываемую на компьютере.

Для работы программы придется зарегистрироваться, но здесь этот процесс не доставляет дискомфорта. Нужно просто придумать логин, пароль, ввести e-mail и некоторые персональные данные. Это сделано для того, чтобы отследить потенциальную аудиторию проекта.

Чтобы начать распознавание трека, нажмите кнопку «Search» и немного подождите. Audiggle определит автора композиции, название трека и альбом.

Shazam

Работа и внешний вид Shazam для ПК идентичны таковым для Android и iOS. В главном окне программы нажмите «Дотроньтесь, чтобы открыть Shazam».

Далее начнется определение песни и в конце кроме информации о треке будут доступны ещё несколько опций. Вы сможете купить трек, найти его в YouTube, посмотреть рекомендации и дискографию исполнителя.

Всех сервисов, программ и приложений с головой хватит для точного определения музыки в разных ситуациях даже по небольшому отрывку трека. Что из этой подборки лучше и чем вы хотите пользоваться решать только вам.

Распознать песню онлайн Скачать бесплатно для Windows

8 Mp3SongPlays.com 77

Увеличьте количество воспроизведений музыки MySpace и звуковых кликов, увеличьте количество просмотров видео.

3 Караософт 286 Условно-бесплатное ПО

Вы можете создавать сборники песен из вашей коллекции MP3 и видео файлов.

Дональд Джи Грей 11 Бесплатное ПО

Это приложение базы данных для создания музыки с использованием JFugue MusicStrings.

BigfishИгры 3 Условно-бесплатное ПО

Song of Season — столкнитесь с более чем сотней захватывающих уровней игры в угадывание.

12 Басовые технологии 1,184 Условно-бесплатное ПО

Удобная программа для прослушивания и записи интернет-радиостанций.

45 Abelssoft GmbH 16 329 Бесплатное ПО

Скачивает аудио или видео файлы с YouTube в различных форматах.

1 Online Sheet Music, Inc. 526 Бесплатное ПО

Это программа, позволяющая просматривать и распечатывать партитуры.

4 Программное обеспечение FreeAudioVideo 266 Бесплатное ПО

Это программа для записи звука и записи звука.

Скачать песню на хинди 4 Бесплатное ПО

Предоставляет вам самый свежий контент из сообщества Download Hindi Song.

2 Программное обеспечение Shark 45 Условно-бесплатное ПО

Эта программа представляет собой повторяющийся автоматический кликер. Он может распознавать скриншоты.

Привет 18 Бесплатное ПО

Эта детская песня иллюстрирует сельскохозяйственных животных с помощью фотографий и песен.

2 TriceraSoft 66 Условно-бесплатное ПО

TriceraSoft Song Book Creator — это простая в использовании программа для печати сборников песен.

1 Karaokeware, Inc. 15 Условно-бесплатное ПО

Создавайте и поддерживайте свои сборники песен и списки песен для караоке и ди-джеев.

Smile4ever 68 Бесплатное ПО

Находит вашу песню по исполнителю и названию песни и показывает текст.

Musitek Corporation 25

Сканирование и воспроизведение. Сканируйте, распознавайте, воспроизводите, транспонируйте и печатайте партитуры за считанные минуты.

2 DigitalPersona, Inc. 1 Бесплатное ПО

Непревзойденная способность распознавать даже самые сложные отпечатки пальцев.

9 АГА! Software Inc.189 Условно-бесплатное ПО

Программа простая цель — помочь вам научиться распознавать музыкальные ноты.

1 Pingram Marketing 122 Бесплатное ПО

Call Alert! позволяет вашему ПК распознавать вызывающего абонента без необходимости отвечать, объявляя вызывающего абонента ….

5 Сеть доступности науки 177 Условно-бесплатное ПО

InftyReader — это программа оптического распознавания текста для распознавания научных документов.

2 SIL International 236 Бесплатное ПО

IPA Help — компьютерная программа для обучения распознаванию, расшифровке.

3 лучших приложения для распознавания музыки для поиска песен по их мелодии

Shazam — самое известное приложение для распознавания музыки, но самое ли оно? Присоединяйтесь к нам, и мы противостоим Shazam двум конкурентам: SoundHound и Musixmatch.

Мы начнем с краткого обзора каждого приложения, за которым последуют несколько этапов все более сложных задач по идентификации музыки.

В конце конкурса мы должны узнать, какое приложение для распознавания музыки является лучшим для идентификации песен. Пусть победит лучшее приложение!

Лучшие функции в каждом приложении поиска песен

Во-первых, давайте посмотрим на самые большие функции, которые предлагает каждое приложение, которое настраивает имя.

Shazam

Закрыть

Изображение 1 из 3

Изображение 2 из 3

Изображение 3 из 3

Основываясь только на популярности, Shazam является лучшим приложением в этом противостоянии. Приложение имеет простой интерфейс. Открыв его, вы можете нажать на его символическую синюю кнопку, чтобы начать слушать музыку.

Панель Discover показывает новости из мира музыки, включая новые релизы.Вы также можете искать здесь музыку, чтобы прослушать превью или добавить песни в избранное. Диаграммы Shazam показывают, что другие сканируют с помощью приложения.

Каждая песня, которую вы помечаете, собирается на панели My Shazam , которая позволяет вам получить доступ к большому количеству информации о песне. Здесь вы можете послушать образец, поделиться им с другими, послушать его на Spotify или Apple Music, посмотреть музыкальный клип или найти другие треки этого исполнителя.

Вы также можете коснуться шестеренки Settings на этой странице, чтобы подключить свои учетные записи в социальных сетях и настроить несколько параметров.Примечательно, что Shazam имеет функцию Auto Shazam , которая постоянно прослушивает музыку и идентифицирует ее, даже если у вас не открыто приложение.

Если вы не в сети, Shazam сохранит то, что слышит, и найдет совпадение, когда вы снова в сети.В приложении также есть Visual Shazam для сканирования специальных тегов с помощью камеры в поисках дополнительных полезных свойств.

Apple владеет Shazam с сентября 2018 года, и с тех пор приложение было без рекламы на Android и iOS. Однако по какой-то причине вы все еще можете купить Shazam Encore «без рекламы» за 3 доллара на iOS.

Скачать: Shazam для Android | iOS (бесплатно)

SoundHound

Закрыть

Изображение 1 из 3

Изображение 2 из 3

Изображение 3 из 3

Когда вы ищете приложение, которое определяет песни, SoundHound, вероятно, будет первым конкурентом Shazam, который вы найдете. Его основной набор функций похож, но он предлагает несколько отличий, на которые стоит обратить внимание.

Подобно Shazam, SoundHound имеет большую оранжевую кнопку на своей домашней странице для запуска тегов.SoundHound также уделяет большое внимание поддержке голосового управления. Говоря «Хорошо, гончая», вы можете пометить музыку и использовать другие функции приложения без помощи рук. Компания даже предлагает автономное приложение голосового помощника Hound, но нет особых причин использовать его по сравнению с Google Assistant или Siri.

На вкладке Charts вы обнаружите, что SoundHound также имеет собственный музыкальный проигрыватель.Это может воспроизводить сэмплы (или полные песни через YouTube или Spotify Premium), которые вы отметили, а также популярные треки из чартов. Отметив песню, вы можете приобрести ее с помощью различных сервисов, добавить ее в избранное, прочитать текст или посмотреть, из какого альбома эта песня.

Интересно, что SoundHound также поддерживает пение или напевание, чтобы идентифицировать это. Поскольку другие приложения этого не делают, мы не будем тестировать эту функцию. SoundHound поддерживается рекламой и предлагает обновление до SoundHound Infinite, если вы хотите удалить их.

Скачать: Soundhound для Android | iOS (бесплатно)

Загрузить: SoundHound Infinite для Android (6 долларов США) | iOS (7 долларов США)

Musixmatch Тексты песен

Закрыть

Изображение 1 из 3

Изображение 2 из 3

Изображение 3 из 3

Наше последнее приложение-идентификатор песни Musixmatch раньше было связано со Spotify для предоставления текстов песен. Хотя они больше не связаны, Musixmatch — еще одно приложение, которое также распознает песни.

Поскольку Musixmatch — это больше приложение для текстов песен, чем приложение для идентификации музыки, оно не фокусируется на популярных чартах, как другие (хотя и показывает новые релизы).Вместо этого вы можете воспроизводить музыку из своей локальной библиотеки (или Spotify) через приложение, чтобы увидеть тексты песен. Вы также увидите их при пометке песни.

В приложении также есть функция плавающих текстов, которая позволяет вам видеть тексты в режиме реального времени, когда вы слушаете музыку.В дополнение к этому, если вы создадите учетную запись, вы сможете добавлять тексты своих любимых песен.

Премиум-план Musixmatch составляет 3 доллара в месяц и предоставляет несколько преимуществ, например, позволяет сохранять тексты песен для использования в автономном режиме, а также удалять раздражающую рекламу.Из-за особенностей приложения оно не будет работать в автономном режиме, поэтому вы не можете сохранить помеченную музыку на потом, как это делает Shazam.

Из-за уникального угла текста Musixmatch стоит держать под рукой, даже если вы обычно используете Shazam или SoundHound.Конечно, мы будем сравнивать только способность приложения правильно определять песни в этой битве.

Скачать: Musixmatch для Android | iOS (бесплатно, доступна подписка)

Описание приложения для распознавания песен

Если вы выбираете приложение, основываясь только на внешнем виде и функциях, это не однозначное решение. Shazam чист и не содержит рекламы, в то время как SoundHound имеет уникальную функцию гудения и пения.

Мы считаем, что Shazam — лучший выбор, но попробуйте SoundHound, чтобы убедиться, что он подходит для ваших нужд.Как уже упоминалось, Musixmatch — отличный помощник для любого из них.

Хотя есть и другие приложения, такие как Shazam, в Google Play в App Store, это три лучших варианта.Некоторое время назад Sony закрыла свою службу Track ID, а другие приложения, такие как Music ID, не получали обновлений годами. Нет смысла тестировать их, когда они не находятся в активной разработке.

Битва приложений для распознавания музыки: правила

Теперь пора перейти к самому интересному: противопоставить эти приложения друг другу. Это вскрытие состоит из трех раундов по две песни в каждом.

Поскольку эти приложения используются для популярной музыки, мы не хотим давать им какие-либо простые задачи.Мы начнем с песен, которые относительно неизвестны, а затем перейдем к музыке, которую мало кто когда-либо слышал.

Я провел тестирование своего Pixel 3, проиграв музыку из Spotify. Чтобы смоделировать типичный вариант использования, каждая дорожка начинается с отметки в одну минуту. Мы отметим, сколько времени требуется каждому приложению для идентификации песни.

Каждое приложение может предпринять две попытки идентифицировать песню.Приложение получит 10-секундный штраф за каждую неудачную попытку. А поскольку точность жизненно важна для приложений распознавания музыки, за неправильную идентификацию будет применен штраф в 15 секунд.

Первый раунд: средняя сложность

Начнем с двух треков, которые вы не услышите по радио, но у которых есть свои ниши. Обе эти песни были воспроизведены на Spotify менее 10 000 раз.

Трек 1: Сегодня вечером в одиночестве Кироса на одной пряди (2008)

  • Shazam: Определил трек за 10 секунд.
  • SoundHound: Определил трек за 16 секунд.
  • Musixmatch: Определил трек за шесть секунд.

Трек 2: Она спрашивала обо мне Ронни Макдауэлла о американской музыке (1989)

  • Shazam: Определил песню за 11 секунд.
  • SoundHound: Обе попытки не удались (20 секунд штрафа).
  • Musixmatch: Определил песню за четыре секунды.

После одного раунда у SoundHound уже есть проблемы с двумя промахами. Shazam идентифицировал оба трека, но Musixmatch сделал это с рекордной скоростью. Посмотрим, сможет ли он сохранить это преимущество в более сложных раундах.

Победитель первого раунда: Musixmatch

Второй раунд: сложный

Далее мы переходим к некоторым трекам из недр Spotify. Обе эти песни насчитывают менее 1000 прослушиваний.

Трек 3: Forgotten Planet от RushJet1 на Out There (2017)

Трек 4: See Me Through от Orange Is In on Come and Take It (2007)

  • Shazam: Определил песню за 11 секунд.
  • SoundHound: Обе попытки не удались (20 секунд штрафа).
  • Musixmatch: Определил песню за 13 секунд.

Трек chiptune определенно оказался трудным для всех трех приложений, и только одна попытка из шести удалась идентифицировать песню. SoundHound сейчас практически не участвует в гонке, но сможет ли Shazam догнать Musixmatch? Переходим к третьему и заключительному раунду.

Победитель второго раунда: Musixmatch

Третий раунд: экстремальная сложность

В финальном раунде нам нужна музыка, которую почти никто не слышал. Для этого мы воспользуемся Forgotify — сервисом для поиска песен, которые не воспроизводятся на Spotify. Это идеальная музыка для работы с приложениями для распознавания музыки.

Трек 5: Aroosi от Nader на Khat Va Neshoon (1988)

  • Shazam: Определил песню за 10 секунд.
  • SoundHound: Обе попытки не удались (20 секунд штрафа).
  • Musixmatch: Обе попытки не удались (20 секунд штрафа).

Трек 6: Liten Suite I Gammel Stil: Andante Cantabile от Barratt-Dues Juniororkester на тему Asheim / Kraggerud / Grieg / Hellstenius (1999)

  • Shazam: Определил песню за 11 секунд.
  • SoundHound: Обе попытки не удались (20 секунд штрафа).
  • Musixmatch: Определил песню за четыре секунды.

У Musixmatch здесь были редкие споты, в то время как Shazam оставался неизменным. SoundHound действительно разочаровал в этом конкурсе.

Победитель третьего раунда: Shazam

И победитель конкурса Best Song Finder App -. ..

SoundHound занимает третье место, поскольку правильно определила только один трек из шести.При каждой другой попытке ему не удавалось идентифицировать музыку, включая один неверный идентификатор. Со штрафными 105 секундами SoundHound финиширует со временем 121 секунда .

Двое других оказались намного лучше.Shazam последовательно идентифицировал песни примерно за 10 секунд, за исключением трека 4, где он дал два разных неправильных идентификатора. Подсчитав время, Shazam потребовалось 53 секунды, чтобы идентифицировать песни. Добавление 30 штрафных секунд дает нам 83 секунды всего для Shazam.

Остается только Musixmatch. Хотя приложение спотыкалось немного больше, чем Shazam, его общее время до идентификации было быстрее. Его общее время составило 33 секунды; добавление штрафов в 35 секунд означает, что Musixmatch финиширует со счетом 68 секунд .

Это означает, что лучшее приложение для распознавания песен — Musixmatch !

Audio Speed ​​Changer — Change Tempo Online

Change speed online

Что делать, если вы пытаетесь заставить вашу музыку воспроизводиться быстрее или медленнее? Например, вы выбираете новую мелодию, но с трудом это делаете? Наше онлайн-приложение поможет вам лучше слышать каждую ноту вашей музыки! Или ускорьте звук для создания ремикса или для достижения особого «космического» эффекта.

Любой формат файла

Наш преобразователь скорости звука поддерживает все распространенные форматы аудио и файлов — MP3, FLAC, MP4, AIFF или WAV. Это также поможет вам изменить входной формат вашего музыкального файла — просто выберите нужный формат из списка доступных.

Надежно и надежно

Несмотря на то, что вы загружаете свои файлы в наши онлайн-инструменты для аудио, не нужно беспокоиться о конфиденциальности. Мы используем SSL-сертификаты для создания зашифрованного канала между пользователем и сервером. Никто никогда не сможет вмешаться в ваш процесс изменения скорости звука.

Даже большие файлы

Файлы большого размера (до 6 ГБ) можно загружать в наше онлайн-приложение для обработки музыкальных файлов. Нет необходимости архивировать ваши большие mp3-файлы, чтобы замедлить или ускорить воспроизведение музыки.

Доступ из любого места

К нашему программному обеспечению для управления звуком можно получить доступ из любого места и не требует установки каких-либо плагинов или расширений.

Оставить комментарий

Добавить комментарий

Ваш адрес email не будет опубликован.