本發(fā)明總的來(lái)說(shuō)涉及數(shù)字音頻的領(lǐng)域，并且更具體來(lái)說(shuō)，涉及導(dǎo)出可用于有意義地比較數(shù)字音頻的部分的評(píng)分的方式。

背景技術(shù)：

能夠有意義地比較音樂(lè)或其它數(shù)字音頻的兩個(gè)序列以例如發(fā)現(xiàn)該音樂(lè)內(nèi)的匹配子序列是有價(jià)值的。為此，量化構(gòu)成序列和子序列的個(gè)別單元(“色度(chromae)”)的對(duì)應(yīng)度并將子序列的對(duì)應(yīng)度作為整體量化是有用的。

音頻單元和子序列的對(duì)應(yīng)度的常規(guī)量度通常缺少固有的含義。例如，對(duì)于一些量度來(lái)說(shuō)，評(píng)分3可指示強(qiáng)匹配，但對(duì)于其它量度來(lái)說(shuō)，評(píng)分3可指示弱匹配，評(píng)分72指示強(qiáng)匹配。類似地，常規(guī)量度不固有地傳達(dá)評(píng)分11比評(píng)分10強(qiáng)多少，或評(píng)分9比評(píng)分10弱多少，或具有評(píng)分5的兩個(gè)匹配是否表示與具有評(píng)分10的單個(gè)匹配一樣好的匹配。因此，這些常規(guī)量度需要額外經(jīng)驗(yàn)知識(shí)以能夠適當(dāng)?shù)亟庾g或應(yīng)用所得評(píng)分。

技術(shù)實(shí)現(xiàn)要素：

在一個(gè)實(shí)施例中，一種用于匹配音頻序列的計(jì)算機(jī)實(shí)施的方法包括：導(dǎo)出第一概率密度函數(shù)P_M，該第一概率密度函數(shù)P_M輸出音頻序列的一對(duì)色度向量的初始對(duì)應(yīng)評(píng)分指示色度向量之間的語(yǔ)義對(duì)應(yīng)的概率；導(dǎo)出第二概率密度函數(shù)P_R，該第二概率密度函數(shù)P_R輸出音頻序列的一對(duì)色度向量的初始對(duì)應(yīng)評(píng)分指示色度向量具有隨機(jī)對(duì)應(yīng)的概率；使用P_M和P_R而導(dǎo)出指示音頻序列的給定的一對(duì)色度向量是否在語(yǔ)義上對(duì)應(yīng)的匹配函數(shù)；獲得第一音頻序列；使用匹配函數(shù)來(lái)比較第一音頻序列與多個(gè)已知音頻序列；以及基于比較而從已知音頻序列識(shí)別第一音頻序列的最佳匹配音頻序列。

在一個(gè)實(shí)施例中，一種非暫時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)處理器可執(zhí)行指令，所述處理器可執(zhí)行指令包括：用于導(dǎo)出第一概率密度函數(shù)P_M的指令，該第一概率密度函數(shù)P_M輸出音頻序列的一對(duì)色度向量的初始對(duì)應(yīng)評(píng)分指示色度向量之間的語(yǔ)義對(duì)應(yīng)的概率；用于導(dǎo)出第二概率密度函數(shù)P_R的指令，該第二概率密度函數(shù)P_R輸出音頻序列的一對(duì)色度向量的初始對(duì)應(yīng)評(píng)分指示色度向量具有隨機(jī)對(duì)應(yīng)的概率；用于使用P_M和P_R而導(dǎo)出指示音頻序列的給定的一對(duì)色度向量是否在語(yǔ)義上對(duì)應(yīng)的匹配函數(shù)的指令；用于獲得第一音頻序列的指令；用于使用匹配函數(shù)來(lái)比較第一音頻序列與多個(gè)已知音頻序列的指令；以及用于基于比較而從已知音頻序列識(shí)別第一音頻序列的最佳匹配音頻序列的指令。

在一個(gè)實(shí)施例中，一種用于匹配音頻序列的計(jì)算機(jī)系統(tǒng)包括：計(jì)算機(jī)處理器；以及存儲(chǔ)指令的非暫時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。所述指令在由計(jì)算機(jī)處理器執(zhí)行時(shí)，執(zhí)行包括以下各者的動(dòng)作：導(dǎo)出第一概率密度函數(shù)P_M，該第一概率密度函數(shù)P_M輸出音頻序列的一對(duì)色度向量的初始對(duì)應(yīng)評(píng)分指示色度向量之間的語(yǔ)義對(duì)應(yīng)的概率；導(dǎo)出第二概率密度函數(shù)P_R，該第二概率密度函數(shù)P_R輸出音頻序列的一對(duì)色度向量的初始對(duì)應(yīng)評(píng)分指示色度向量具有隨機(jī)對(duì)應(yīng)的概率；使用P_M和P_R而導(dǎo)出指示音頻序列的給定的一對(duì)色度向量是否在語(yǔ)義上對(duì)應(yīng)的匹配函數(shù)；獲得第一音頻序列；使用匹配函數(shù)來(lái)比較第一音頻序列與多個(gè)已知音頻序列；以及基于比較而從已知音頻序列識(shí)別第一音頻序列的最佳匹配音頻序列。

附圖說(shuō)明

圖1圖示根據(jù)一個(gè)實(shí)施例的發(fā)生音頻分析的計(jì)算環(huán)境。

圖2A圖示根據(jù)一個(gè)實(shí)施例的兩個(gè)不同音頻序列的一個(gè)實(shí)例。

圖2B圖示根據(jù)一個(gè)實(shí)施例的實(shí)例子序列匹配。

圖3是圖示根據(jù)一個(gè)實(shí)施例的圖1的音頻分析模塊的詳細(xì)視圖的高階框圖。

圖4圖示根據(jù)一個(gè)實(shí)施例由圖3的對(duì)評(píng)分模塊針對(duì)圖2A和圖2B的兩個(gè)實(shí)例序列而產(chǎn)生的評(píng)分的實(shí)例集合。

圖5A圖示根據(jù)一個(gè)實(shí)施例的概率密度函數(shù)P_M和P_R的樣本β分布。

圖5B圖示根據(jù)一個(gè)實(shí)施例的對(duì)應(yīng)于圖5A的樣本P_M和P_R的樣本match()函數(shù)。

圖6是圖示根據(jù)一個(gè)實(shí)施例的在計(jì)算P_M和P_R(以及取決于P_M和P_R的match()函數(shù))時(shí)的音頻分析模塊105的操作的數(shù)據(jù)流程圖。

圖7是圖示根據(jù)一個(gè)實(shí)施例的用作圖1的音頻服務(wù)器或客戶端的一部分或全部的計(jì)算機(jī)700的物理組件的高階框圖。

圖8是根據(jù)一個(gè)實(shí)施例的響應(yīng)于用戶提供聲音輸入而尋找的歌曲音頻序列的匹配集合的實(shí)例用戶界面。

附圖僅出于圖示的目的而描繪本發(fā)明的實(shí)施例。本領(lǐng)域的技術(shù)人員將容易從下文描述認(rèn)識(shí)到，可在不偏離本文所述的本發(fā)明的原理的情況下使用本文所說(shuō)明的結(jié)構(gòu)和方法的替代實(shí)施例。

具體實(shí)施方式

圖1圖示根據(jù)一個(gè)實(shí)施例的其中發(fā)生音頻分析的計(jì)算環(huán)境。音頻服務(wù)器100包含：音頻存儲(chǔ)庫(kù)101，其中音頻存儲(chǔ)庫(kù)101存儲(chǔ)不同數(shù)字音頻序列(例如，歌曲)的集合；以及音頻分析模塊105，其中音頻分析模塊105包含分析并比較音頻序列的功能性。用戶使用客戶端裝置110與音頻互動(dòng)，例如，從音頻存儲(chǔ)庫(kù)101獲得并播放序列，提交對(duì)音頻序列的查詢，將音頻序列提交到音頻數(shù)據(jù)庫(kù)等等。

音頻服務(wù)器100和客戶端110經(jīng)由網(wǎng)絡(luò)140而連接。網(wǎng)絡(luò)140可以是適用于數(shù)據(jù)傳輸?shù)娜魏芜m當(dāng)通信網(wǎng)絡(luò)。網(wǎng)絡(luò)140使用標(biāo)準(zhǔn)通信技術(shù)和/或協(xié)議，并且可包含因特網(wǎng)。在另一實(shí)施例中，網(wǎng)絡(luò)140包含定制和/或?qū)Ｓ玫臄?shù)據(jù)通信技術(shù)。

音頻存儲(chǔ)庫(kù)101中的音頻序列可表示任何類型的音頻，例如，音樂(lè)或語(yǔ)音，并且包括元數(shù)據(jù)(例如，標(biāo)題、標(biāo)簽和/或描述)和音頻內(nèi)容。在一個(gè)實(shí)施例中，音頻內(nèi)容由離散的按時(shí)間排序的單元(下文稱為“色度”)構(gòu)成。每一色度對(duì)應(yīng)于音頻序列內(nèi)的特定時(shí)間間隔(例如，特定50毫秒間隔)，并具有測(cè)量頻率的集合中的每一測(cè)量頻率的值。例如，在一個(gè)實(shí)施例中，每一色度具有8音度(octave)中的12個(gè)半音(semitone)中的每一個(gè)的浮點(diǎn)值，其中該浮點(diǎn)值表示對(duì)應(yīng)時(shí)間間隔期間的此特定半音的頻率的強(qiáng)度。不同測(cè)量頻率的值的集合(例如，針對(duì)測(cè)量12個(gè)頻率的實(shí)施例，集合<0.25、1.1、2.5、1.0、0.6、0.79、1.9、2.3、1.11、4.6、1.5、2.0>)被稱為色度的“色度向量(chroma vector)”。在替代實(shí)施例中，音頻內(nèi)容作為連續(xù)信號(hào)而存儲(chǔ)，并且在由音頻分析模塊105分析之前動(dòng)態(tài)轉(zhuǎn)換為離散色度。

音頻分析模塊105分析音頻存儲(chǔ)庫(kù)101中的音頻序列，以確定音頻序列對(duì)的“語(yǔ)義對(duì)應(yīng)(semantic correspondence)”，即，音頻序列對(duì)對(duì)于人類收聽者來(lái)說(shuō)聽起來(lái)相同。例如圖2A和圖2B在視覺(jué)上圖示的，音頻分析模塊105所執(zhí)行的一種類型的分析是在一對(duì)音頻序列內(nèi)尋找對(duì)應(yīng)子序列。圖2A圖示兩個(gè)不同音頻序列(Sequence_A 201和Sequence_B202)的一個(gè)實(shí)例。為了實(shí)例的簡(jiǎn)單起見，圖2A和圖2B中的每一序列由8個(gè)色度組成(對(duì)于Sequence_A 201來(lái)說(shuō)，A₀到A₇，并且對(duì)于Sequence_B202來(lái)說(shuō)，B₀到B₇)。然而，應(yīng)了解，兩個(gè)序列可具有任何數(shù)量的色度(例如，3,600個(gè)，假設(shè)是3分鐘長(zhǎng)的音頻序列，并且每一色度對(duì)應(yīng)于50毫秒間隔)，并且不需要具有與另一個(gè)相同的數(shù)量的色度。圖2B圖示實(shí)例子序列匹配，其中已發(fā)現(xiàn)色度A₁到A₃在語(yǔ)義上對(duì)應(yīng)于色度B₃到B₅，這意味作為整體，色度向量對(duì)<A₁,B₃>、<A₂,B₄>和<A₃,B₅>具有極類似值，并且因此將對(duì)于人類收聽者來(lái)說(shuō)聽起來(lái)一樣。

在兩個(gè)聲音序列內(nèi)尋找對(duì)應(yīng)子序列的能力實(shí)現(xiàn)許多應(yīng)用。一種應(yīng)用是確定一首歌曲是否與另一首相同(例如，由于歌曲的大的子序列對(duì)應(yīng))。另一應(yīng)用是響應(yīng)于用戶唱出或以其它方式通過(guò)音頻輸入描述歌曲的一部分，通過(guò)試圖在已知歌曲內(nèi)尋找在語(yǔ)義上對(duì)應(yīng)于用戶所提供的音頻輸入的子序列而尋找該歌曲。

為了確定個(gè)別色度——或多個(gè)色度的子序列——在語(yǔ)義上是否相互對(duì)應(yīng)，需要語(yǔ)義對(duì)應(yīng)度的某一量度。作為實(shí)例，量化兩個(gè)色度c₁與c₂之間的語(yǔ)義對(duì)應(yīng)度的相似函數(shù)可被定義為sim(c₁,c₂)＝c₁·c₂/|c₁||c₂|。作為3元素色度向量c₁＝<1,0,1>和c₂＝<1,1,0>(其中向量值是0或1以簡(jiǎn)化實(shí)例)的簡(jiǎn)化實(shí)例，相似評(píng)分是sim(c₁,c₂)＝<1,0,1>·<1,1,0>/|<1,0,1>||<1,1,0>|＝(1*1+0*1+1*0)/[(1²+0²+1²)*(1²+1²+0²)]＝1/[2*2]＝1/4。

然而，可難以解譯特定相似函數(shù)所產(chǎn)生的對(duì)應(yīng)評(píng)分的含義。在上文的實(shí)例中，評(píng)分1/4不固有地傳達(dá)該評(píng)分是否是“良好”評(píng)分，即，與原本通常在隨機(jī)選擇的色度對(duì)內(nèi)發(fā)生的色度向量相似所導(dǎo)致的評(píng)分相比，該評(píng)分是否表示色度之間的有意義的語(yǔ)義對(duì)應(yīng)度(以使得色度將可能對(duì)于人類收聽者來(lái)說(shuō)聽起來(lái)一樣)。額外經(jīng)驗(yàn)知識(shí)對(duì)于知曉例如0.6是在具有真正有意義的語(yǔ)義對(duì)應(yīng)的色度向量與僅具有偶然對(duì)應(yīng)度的色度向量之間最有效地進(jìn)行區(qū)別的適當(dāng)截止評(píng)分值將是必要的。額外經(jīng)驗(yàn)知識(shí)對(duì)于確定具有評(píng)分0.6的10個(gè)連續(xù)色度匹配是否表示比具有評(píng)分0.5的12個(gè)連續(xù)色度匹配強(qiáng)也將是必要的。在甚至單個(gè)色度對(duì)的對(duì)應(yīng)評(píng)分也不能傳達(dá)對(duì)應(yīng)是否確實(shí)強(qiáng)的、例如上文所述的實(shí)例中，確定由許多色度構(gòu)成的整個(gè)子序列的有意義的對(duì)應(yīng)評(píng)分更困難。

圖3是圖示根據(jù)一個(gè)實(shí)施例的圖1的音頻分析模塊105的詳細(xì)視圖的高階框圖。使用關(guān)于子序列之間的確實(shí)的語(yǔ)義對(duì)應(yīng)的已知信息并通過(guò)比較這些語(yǔ)義對(duì)應(yīng)與隨機(jī)選擇的子序列中所固有的較弱對(duì)應(yīng)，音頻分析模塊105導(dǎo)出適用于色度對(duì)的對(duì)應(yīng)函數(shù)(下文稱為match()函數(shù))。在直觀上，所導(dǎo)出的對(duì)應(yīng)函數(shù)match()，針對(duì)使用某初始對(duì)應(yīng)函數(shù)(例如，上文所述的實(shí)例函數(shù)sim(c₁,c₂))而獲得的第一色度對(duì)應(yīng)評(píng)分，而表示相比色度c₁和c₂僅在其色度向量中具有偶然相似，該評(píng)分更可能指示色度c₁和c₂在語(yǔ)義上對(duì)應(yīng)的程度。因此，所導(dǎo)出的對(duì)應(yīng)函數(shù)match()所產(chǎn)生的語(yǔ)義對(duì)應(yīng)評(píng)分傳達(dá)固有含義，而不求助于關(guān)于評(píng)分的含義的額外經(jīng)驗(yàn)知識(shí)。

音頻分析模塊105包括表示音頻分析模塊導(dǎo)出的函數(shù)305的集合的數(shù)據(jù)。所述函數(shù)包含概率密度函數(shù)P_M，其中概率密度函數(shù)P_M將色度對(duì)的給定初始對(duì)應(yīng)函數(shù)(例如，sim(c₁,c₂))的輸出映射到其指示兩個(gè)色度的有意義的對(duì)應(yīng)的概率。所述函數(shù)還包含概率密度函數(shù)P_R，其中概率密度函數(shù)P_R將給定初始對(duì)應(yīng)函數(shù)的輸出映射到其指示隨機(jī)地選擇的/具有隨機(jī)對(duì)應(yīng)而不是具有確實(shí)的語(yǔ)義對(duì)應(yīng)的一對(duì)色度的概率。所述函數(shù)還包含所導(dǎo)出的對(duì)應(yīng)函數(shù)match()，其中所導(dǎo)出的對(duì)應(yīng)函數(shù)match()繼而是P_M的P_R的函數(shù)。在一個(gè)實(shí)施例中，match()函數(shù)被定義為match(c₁,c₂)＝log(P_M/P_R)。

音頻分析模塊105包括輸入集合形成模塊310，其中輸入集合形成模塊310建立充當(dāng)對(duì)函數(shù)導(dǎo)出模塊340的輸入的音頻序列的集合，其中函數(shù)導(dǎo)出模塊340導(dǎo)出函數(shù)305。具體來(lái)說(shuō)，輸入集合形成模塊310識(shí)別含有已被確定為具有語(yǔ)義對(duì)應(yīng)的音頻序列的第一集合S_M。如果一對(duì)音頻序列中的兩個(gè)序列已被確定為具有類似音頻性質(zhì)(在直觀上，聽起來(lái)一樣)，那么所述一對(duì)音頻序列被稱為具有語(yǔ)義對(duì)應(yīng)。在一個(gè)實(shí)施例中，音頻序列具有類似音頻性質(zhì)的確定是手動(dòng)地進(jìn)行，例如，通過(guò)人類專家收聽不同音頻序列(例如，歌曲)并確定它們聽起來(lái)一樣。

輸入集合形成模塊310還形成含有輸入集合形成模塊從音頻存儲(chǔ)庫(kù)101隨機(jī)地選擇的音頻序列的集合S_R。因此，不同于集合S_M內(nèi)的序列，集合S_R內(nèi)的序列尚未被確定為在語(yǔ)義上對(duì)應(yīng)，并且可能不在語(yǔ)義上對(duì)應(yīng)。

音頻分析模塊105還包括對(duì)評(píng)分模塊320，其中對(duì)評(píng)分模塊320針對(duì)任何兩個(gè)音頻序列而產(chǎn)生第一序列與第二序列之間的各種可能色度對(duì)的評(píng)分。評(píng)分由所導(dǎo)出的對(duì)應(yīng)函數(shù)match()的當(dāng)前狀態(tài)產(chǎn)生，其中所導(dǎo)出的對(duì)應(yīng)函數(shù)match()繼而是P_M的P_R的函數(shù)。例如，圖4圖示對(duì)評(píng)分模塊320針對(duì)圖2A和圖2B的兩個(gè)實(shí)例序列(即，Sequence_A 201和Sequence_B 202)而產(chǎn)生的評(píng)分的實(shí)例集合，其中圖2A和圖2B的兩個(gè)實(shí)例序列都具有8色度。因此，對(duì)評(píng)分模塊320產(chǎn)生可如圖4的柵格所圖示而可視化的8*8＝64個(gè)評(píng)分的集合，其中元素H_i,j表示match(c_i,c_j)所輸出的評(píng)分，c_i是Sequence_A 401中的第i色度向量，并且c_j是Sequence_B 402中的第j色度向量。

音頻分析模塊105還包括子序列識(shí)別模塊330，其中子序列識(shí)別模塊330將對(duì)評(píng)分模塊320針對(duì)一對(duì)色度而產(chǎn)生的對(duì)評(píng)分的集合作為輸入?；趯?duì)評(píng)分，子序列識(shí)別模塊330基于子序列的構(gòu)成色度的語(yǔ)義對(duì)應(yīng)度而識(shí)別最強(qiáng)地具有語(yǔ)義對(duì)應(yīng)的子序列。例如，給定圖4所圖示的對(duì)評(píng)分的樣本集合，子序列識(shí)別模塊330可基于對(duì)應(yīng)match()評(píng)分H_1,3、H_2,4和H_3,5的總和相對(duì)高于其它子序列的match()評(píng)分的總和而將子序列A₁到A₃和B₃到B₅識(shí)別為具有語(yǔ)義對(duì)應(yīng)。

在一個(gè)實(shí)施例中，子序列識(shí)別模塊330使用具有仿射空位罰分(affine gap penalty)的動(dòng)態(tài)編程算法以在全部序列中識(shí)別具有最大match()評(píng)分總和的連續(xù)色度的集合。

音頻分析模塊105還包括函數(shù)導(dǎo)出模塊340，其中函數(shù)導(dǎo)出模塊340從輸入集合形成模塊310所產(chǎn)生的輸入集合導(dǎo)出函數(shù)P_M、P_R和match()。函數(shù)導(dǎo)出模塊340基于集合S_R的值而在單個(gè)迭代中導(dǎo)出函數(shù)P_R。即，初始對(duì)應(yīng)函數(shù)(例如，sim())的評(píng)分是針對(duì)來(lái)自S_R的不同對(duì)的隨機(jī)選擇的音頻序列而計(jì)算。所述評(píng)分接著擬合到概率分布(例如，例如β概率分布)，其中該概率分布接著用作函數(shù)P_R。

函數(shù)導(dǎo)出模塊340在多個(gè)迭代上導(dǎo)出函數(shù)P_M和match()。在第一迭代中，P_M被設(shè)定為粗略初始近似，其中粗略初始近似隨后在稍后迭代中得到改進(jìn)。例如，在一個(gè)實(shí)施例中，P_M被初始化為P_M(x)＝2–2x，其中x是初始色度對(duì)應(yīng)函數(shù)(例如，如上所述，sim(c₁,c₂))所輸出的值，但應(yīng)了解，可同樣使用許多其它初始函數(shù)。所導(dǎo)出的對(duì)應(yīng)函數(shù)(match())的輸出可接著依據(jù)P_M的當(dāng)前值和P_R而得以計(jì)算。

在每一迭代中，函數(shù)導(dǎo)出模塊340使用P_R的值與P_M的當(dāng)前值以及match()，以進(jìn)一步改進(jìn)P_M和match()函數(shù)。例如，函數(shù)導(dǎo)出模塊340通過(guò)使用對(duì)評(píng)分模塊320而導(dǎo)出P_M的新值，以產(chǎn)生輸入集合S_M中的已知的語(yǔ)義上對(duì)應(yīng)的子序列對(duì)的對(duì)評(píng)分。函數(shù)導(dǎo)出模塊340還使用子序列識(shí)別模塊330以識(shí)別具有最大match()評(píng)分總和的色度的子序列。函數(shù)導(dǎo)出模塊340將來(lái)自初始對(duì)應(yīng)函數(shù)的評(píng)分(例如，如上所述，sim()函數(shù))擬合到概率分布，其中所述概率分布充當(dāng)P_M的新值。

在一個(gè)實(shí)施例中，概率分布是β分布，如圖5A所圖示，但其它分布也是可能的。具體來(lái)說(shuō)，圖5A圖示特定相似函數(shù)(即，如上文所定義的sim(c₁,c₂)＝c₁·c₂/|c₁||c₂|)的樣本P_M和P_R函數(shù)，如β分布概率密度函數(shù)所建模。實(shí)線所表示的P_M函數(shù)針對(duì)約0.93的sim()評(píng)分而達(dá)到峰值，從而指示具有語(yǔ)義對(duì)應(yīng)的一對(duì)色度將最可能產(chǎn)生0.93的sim()評(píng)分。P_M針對(duì)低于0.7(舉例來(lái)說(shuō))的sim()評(píng)分而產(chǎn)生的相對(duì)低的值指示具有語(yǔ)義對(duì)應(yīng)的一對(duì)色度將產(chǎn)生低于0.7的sim()評(píng)分是根本不可能的。類似地，P_R函數(shù)針對(duì)約0.79的sim()評(píng)分而達(dá)到峰值，從而意味典型的隨機(jī)選擇的一對(duì)色度將產(chǎn)生約0.79的sim()評(píng)分。

在一個(gè)實(shí)施例中，所導(dǎo)出的對(duì)應(yīng)函數(shù)match()被定義為match(c₁,c₂)＝log(P_M/P_R)。圖5B圖示對(duì)應(yīng)于圖5A的樣本P_M和P_R概率密度函數(shù)的樣本match()函數(shù)的曲線圖。

由于對(duì)數(shù)的性質(zhì)，log(P_M/P_R)＝log P_M-log P_R。因此，0的match()評(píng)分指示log P_M(sim(c₁,c₂))＝log P_R(sim(c₁,c₂))，即P_M(sim(c₁,c₂))＝P_R(sim(c₁,c₂))，從而意味著與色度c₁和c₂僅具有隨機(jī)選擇的色度特有的對(duì)應(yīng)度的情況相比，色度c₁和c₂不會(huì)更具有語(yǔ)義對(duì)應(yīng)。圖5B的樣本match()函數(shù)針對(duì)約0.83(P_M和P_R曲線圖在圖5A中交叉之處的值)的輸入具有值0。

此外，由于logΠP_i＝Σlog P_i(即，一起發(fā)生的事件P_i的概率的對(duì)數(shù)等于個(gè)別發(fā)生的事件的概率的對(duì)數(shù)的總和)的對(duì)數(shù)性質(zhì)，來(lái)自色度對(duì)的連續(xù)范圍的所導(dǎo)出的對(duì)應(yīng)函數(shù)match()的評(píng)分的總和等于該范圍上的匹配的組合概率的對(duì)數(shù)。因此，該范圍的評(píng)分X(即，在該范圍的所有對(duì)<c_i,c_j>上評(píng)估的評(píng)分Σlog(P_M(sim(c_i,c_j))/P_R(sim(c_i,c_j)))在一對(duì)語(yǔ)義上對(duì)應(yīng)的序列中發(fā)生的可能性是在隨機(jī)選擇的一對(duì)序列中的e^X倍。因?yàn)閙atch()評(píng)分甚至不取決于匹配范圍中的色度對(duì)的數(shù)量，所以不同長(zhǎng)度的子序列的無(wú)偏比較是可能的。例如，與具有弱匹配的長(zhǎng)子序列一樣同樣不可能偶然發(fā)生的具有強(qiáng)匹配的短子序列將被指派相同累加match()評(píng)分。

因此，因?yàn)樯葘?duì)的連續(xù)范圍的匹配評(píng)分不取決于長(zhǎng)度，并且因?yàn)橐虼瞬煌L(zhǎng)度的子序列的匹配可被有意義地比較，所以單個(gè)范圍的匹配評(píng)分可被確定且應(yīng)用到任何長(zhǎng)度的范圍，從而構(gòu)成截止評(píng)分，其中小于截止評(píng)分的評(píng)分被視為指示非匹配，并且大于或等于截止評(píng)分的評(píng)分被視為指示匹配。在無(wú)法有意義地比較不同長(zhǎng)度的子序列的匹配評(píng)分的其它系統(tǒng)中，難以選擇產(chǎn)生良好精確率與良好查全率(recall)兩者的截止評(píng)分。例如，對(duì)于實(shí)際上長(zhǎng)度10的子序列的色度對(duì)的平均匹配評(píng)分5約等于長(zhǎng)度20的子序列上的平均匹配評(píng)分3的系統(tǒng)來(lái)說(shuō)，平均評(píng)分5的截止或平均評(píng)分3的截止都不會(huì)良好適用于長(zhǎng)度10的子序列與長(zhǎng)度20的子序列兩者。例如，選擇產(chǎn)生良好精確率(即，減少假陽(yáng)性)的高截止評(píng)分(例如，在上述實(shí)例中，5)傾向于過(guò)度保守，并且導(dǎo)致低劣查全率(即，不能識(shí)別許多良好匹配)；相反選擇產(chǎn)生良好查全率(即，識(shí)別多數(shù)良好匹配)的低截止評(píng)分(即，在上述實(shí)例中，3)傾向于過(guò)度激進(jìn)并且產(chǎn)生低劣精確率(即，將許多低劣匹配識(shí)別為良好匹配)。相比于這些其它系統(tǒng)，因?yàn)樯衔乃龅膍atch()評(píng)分值跨越不同長(zhǎng)度的子序列保持一致，所以總的來(lái)說(shuō)良好適用于子序列的單個(gè)截止可被選擇，而不論子序列長(zhǎng)度，并且因此可產(chǎn)生良好精確率而不犧牲查全率，反之亦然。因此，截止match()評(píng)分可被選擇——手動(dòng)地且根據(jù)經(jīng)驗(yàn)，或基于具有已知良好和低劣匹配的子序列的訓(xùn)練集合而以編程方式——以識(shí)別任意長(zhǎng)度的子序列的“良好”匹配，并且截止評(píng)分將關(guān)于精確率與查全率兩者而產(chǎn)生有利的結(jié)果。

應(yīng)注意，函數(shù)match()所產(chǎn)生的評(píng)分在以下意義上獨(dú)立于所使用的特定初始對(duì)應(yīng)函數(shù)(例如，上文的sim())：評(píng)分具有上文所論述的性質(zhì)，而不論所使用的初始對(duì)應(yīng)函數(shù)如何。例如，不論所使用的初始對(duì)應(yīng)函數(shù)如何，一對(duì)色度的match()評(píng)分0指示相比該對(duì)色度被隨機(jī)選擇的情況，該對(duì)不會(huì)更具有語(yǔ)義對(duì)應(yīng)。

音頻分析模塊105視情況包含近似產(chǎn)生模塊350，其中近似產(chǎn)生模塊350產(chǎn)生近似函數(shù)match()并可較有效地計(jì)算的函數(shù)。例如，在一個(gè)實(shí)施例中，近似產(chǎn)生模塊350計(jì)算形式為(aⁿx_n+a^n-1x_n-1+…+a₁x+a₀)/(b^mx_m+b^m-1x_m-1+…+b₁x+b₀)的有理內(nèi)插函數(shù)，其中系數(shù)aⁱ和b^j是定義有理內(nèi)插函數(shù)的所計(jì)算的參數(shù)。假設(shè)分子和分母由多項(xiàng)式函數(shù)定義，那么分子和分母可被有效地計(jì)算。

音頻分析模塊105視情況包含音頻對(duì)應(yīng)識(shí)別模塊360，其中音頻對(duì)應(yīng)識(shí)別模塊360識(shí)別音頻序列之間的語(yǔ)義對(duì)應(yīng)。具體來(lái)說(shuō)，給定第一音頻序列和第二音頻序列，對(duì)應(yīng)識(shí)別模塊360通過(guò)使用對(duì)評(píng)分模塊320以使用函數(shù)導(dǎo)出模塊340所確定的最終match()函數(shù)而產(chǎn)生兩個(gè)音頻序列的色度對(duì)之間的match()評(píng)分，來(lái)識(shí)別兩個(gè)音頻序列之間的最佳匹配子序列。給定match()函數(shù)所使用的評(píng)分，對(duì)應(yīng)識(shí)別模塊360進(jìn)一步使用子序列識(shí)別模塊330以識(shí)別最佳子匹配。對(duì)應(yīng)識(shí)別模塊360可接著基于所識(shí)別的子序列，例如，所識(shí)別的子序列的數(shù)量、所識(shí)別的子序列的累加match()評(píng)分(即，子序列中的色度對(duì)的match()評(píng)分的總和)或其某一組合，而確定兩個(gè)音頻序列作為整體是否具有語(yǔ)義對(duì)應(yīng)。

整體識(shí)別音頻序列的語(yǔ)義對(duì)應(yīng)的能力允許進(jìn)行各種音頻匹配操作。作為來(lái)自一個(gè)實(shí)施例的一個(gè)實(shí)例，用戶吹口哨或哼唱一首曲子，或以其它方式提供言語(yǔ)音頻輸入，并且音頻對(duì)應(yīng)識(shí)別模塊360比較該曲子的音頻序列與音頻存儲(chǔ)庫(kù)101中的已知音頻序列，從而將音頻序列的最佳匹配作為整體向用戶呈現(xiàn)，如上文所解釋。例如，圖8是根據(jù)一個(gè)實(shí)施例的圖示響應(yīng)于用戶對(duì)用戶的裝置麥克風(fēng)輸入哼唱而發(fā)現(xiàn)的歌曲音頻序列801到804的匹配集合并允許用戶收聽這些音頻序列的實(shí)例用戶界面。在變化中，用戶例如通過(guò)上傳含有音樂(lè)的片段的文件以與已知歌曲匹配而提供非言語(yǔ)音頻輸入。作為來(lái)自一個(gè)實(shí)施例的另一實(shí)例，系統(tǒng)使用音頻對(duì)應(yīng)識(shí)別模塊360以比較給定音頻序列與已知的版權(quán)所有的音頻序列以識(shí)別可能的版權(quán)侵犯。例如，音頻服務(wù)器100自身可針對(duì)已存在于音頻存儲(chǔ)庫(kù)101中的版權(quán)所有的音頻序列而檢查提交給音頻存儲(chǔ)庫(kù)101的新音頻序列，從而如果發(fā)現(xiàn)具有相對(duì)于版權(quán)所有的音頻序列的語(yǔ)義對(duì)應(yīng)，那么標(biāo)記新音頻序列。作為來(lái)自一個(gè)實(shí)施例的又一實(shí)例，系統(tǒng)使用音頻對(duì)應(yīng)識(shí)別模塊360以比較用戶語(yǔ)音與已知語(yǔ)言模型以便執(zhí)行語(yǔ)音識(shí)別。

圖6是圖示根據(jù)一個(gè)實(shí)施例的在計(jì)算P_M和P_R(以及取決于P_M和P_R的match()函數(shù))時(shí)的音頻分析模塊105的操作的數(shù)據(jù)流程圖。

在步驟610中，音頻分析模塊105例如如上文關(guān)于輸入集合形成模塊310所論述而建立輸入集合S_M和S_R。音頻分析模塊105還基于集合S_R來(lái)計(jì)算620函數(shù)P_R，并且將函數(shù)P_M初始化為函數(shù)2–2x，如上文所論述。

為了計(jì)算較佳函數(shù)P_M，音頻分析模塊105基于所導(dǎo)出的對(duì)應(yīng)函數(shù)match()(其繼而基于P_M和P_R)的當(dāng)前迭代的值而迭代地重新計(jì)算P_M。這涉及識(shí)別630S_M中match()函數(shù)指示具有最強(qiáng)語(yǔ)義對(duì)應(yīng)的音頻序列的子序列對(duì)。這可如上文關(guān)于子序列識(shí)別模塊330所論述來(lái)實(shí)現(xiàn)。接著，例如如上文關(guān)于函數(shù)導(dǎo)出模塊340所論述通過(guò)將所識(shí)別的子序列中的色度的初始對(duì)應(yīng)函數(shù)(例如，sim())所產(chǎn)生的評(píng)分?jǐn)M合到概率密度函數(shù)(例如，β分布函數(shù))而更新P_M函數(shù)。迭代繼續(xù)直到P_M函數(shù)穩(wěn)定(即，如步驟650所評(píng)估的，先前迭代以來(lái)的P_M函數(shù)的改變小于給定閾值)為止。所計(jì)算的P_M和P_R函數(shù)存儲(chǔ)在分布存儲(chǔ)庫(kù)305中。

視情況，也可計(jì)算660相對(duì)于函數(shù)match()＝log(P_M/P_R)的更具計(jì)算效率的近似，如上文關(guān)于近似產(chǎn)生模塊350所描述。

在一個(gè)實(shí)施例中，集合S_M和S_R是針對(duì)音頻存儲(chǔ)庫(kù)101的音頻序列的不同數(shù)量的子集中的每一個(gè)而形成。例如，輸入集合形成模塊310可基于音頻序列的已知音樂(lè)風(fēng)格(例如，爵士音樂(lè)、新世紀(jì)音樂(lè)、凱爾特音樂(lè)、饒舌音樂(lè)、R&B音樂(lè)等)而識(shí)別歌曲音頻序列的不同子集，從而形成每一個(gè)的集合S_M和S_R，并且還執(zhí)行步驟610到660以產(chǎn)生適用于每一個(gè)的函數(shù)P_M和P_R(以及match())。適當(dāng)子集的數(shù)據(jù)接著用于額外分析。例如，當(dāng)試圖識(shí)別語(yǔ)義上對(duì)應(yīng)于給定歌曲的歌曲音頻序列時(shí)，給定歌曲的風(fēng)格用于識(shí)別對(duì)應(yīng)子集，并且適用于該子集的函數(shù)P_M和P_R(以及match())用于識(shí)別匹配的子序列。具有風(fēng)格特定數(shù)據(jù)(例如，S_M、S_R、P_M、P_R和match())允許例如更準(zhǔn)確地確定已知處于給定風(fēng)格內(nèi)的項(xiàng)目之間的語(yǔ)義對(duì)應(yīng)。

圖7是圖示根據(jù)一個(gè)實(shí)施例的用作圖1的音頻服務(wù)器100或客戶端110的一部分或全部的計(jì)算機(jī)700的物理組件的高階框圖。圖示耦接到芯片組704的至少一個(gè)處理器702。存儲(chǔ)器706、存儲(chǔ)裝置708、鍵盤710、圖形適配器712、指向裝置714和網(wǎng)絡(luò)適配器716也耦接到芯片組704。顯示器718耦接到圖形適配器712。在一個(gè)實(shí)施例中，芯片組704的功能性由存儲(chǔ)器控制器集線器720和/或I/O控制器集線器722提供。在另一實(shí)施例中，存儲(chǔ)器706直接耦接到處理器702而不是芯片組704。

存儲(chǔ)裝置708是任何非暫時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，例如，硬盤、壓縮光盤只讀存儲(chǔ)器(CD-ROM)、DVD或固態(tài)存儲(chǔ)器裝置。存儲(chǔ)器706保持處理器702所使用的指令和數(shù)據(jù)。指向裝置714可以是鼠標(biāo)、軌跡球或其它類型的指向裝置，并且結(jié)合鍵盤710而使用以將數(shù)據(jù)輸入到計(jì)算機(jī)700中。圖形適配器712在顯示器718上顯示圖像和其它信息。網(wǎng)絡(luò)適配器716將計(jì)算機(jī)700耦接到局域網(wǎng)或廣域網(wǎng)。

如此項(xiàng)技術(shù)中已知，計(jì)算機(jī)700可具有除圖7所示的組件以外的不同的和/或其它的組件。此外，計(jì)算機(jī)700可缺少某些所圖示的組件。在一個(gè)實(shí)施例中，充當(dāng)服務(wù)器的計(jì)算機(jī)700可缺少鍵盤710、指向裝置714、圖形適配器712和/或顯示器718。此外，存儲(chǔ)裝置708可處于計(jì)算機(jī)700本地和/或遠(yuǎn)離計(jì)算機(jī)700(例如，體現(xiàn)在存儲(chǔ)區(qū)域網(wǎng)絡(luò)(SAN)內(nèi))。

如此項(xiàng)技術(shù)中已知，計(jì)算機(jī)700適用于執(zhí)行用于提供本文所述的功能性的計(jì)算機(jī)程序模塊。如本文所使用，術(shù)語(yǔ)“模塊”是指用于提供指定功能性的計(jì)算機(jī)程序邏輯。因此，模塊可實(shí)施在硬件、固件和/或軟件中。在一個(gè)實(shí)施例中，程序模塊存儲(chǔ)在存儲(chǔ)裝置708上，加載到存儲(chǔ)器706中并由處理器702執(zhí)行。

其它事項(xiàng)

已關(guān)于一個(gè)可能實(shí)施例特別詳細(xì)地描述本發(fā)明。本領(lǐng)域的技術(shù)人員應(yīng)了解，本發(fā)明可實(shí)踐在其它實(shí)施例中。首先，組件和變量的特定命名、術(shù)語(yǔ)的大寫、屬性、數(shù)據(jù)結(jié)構(gòu)或任何其它編程或結(jié)構(gòu)方面不是強(qiáng)制性的或重要的，并且實(shí)施本發(fā)明或其特征的機(jī)制可具有不同名稱、格式或協(xié)議。并且，本文所述的各種系統(tǒng)組件之間的功能性的特定劃分僅是出于實(shí)例的目的，并且不是強(qiáng)制性的；單個(gè)系統(tǒng)組件所執(zhí)行的功能可改為由多個(gè)組件執(zhí)行，并且多個(gè)組件所執(zhí)行的功能可改為由單個(gè)組件執(zhí)行。

上文描述的一些部分在關(guān)于信息的操作的算法和符號(hào)表示方面呈現(xiàn)本發(fā)明的特征。這些算法描述和表示是數(shù)據(jù)處理領(lǐng)域的技術(shù)人員所使用以最大有效地將其工作的實(shí)質(zhì)傳達(dá)給本領(lǐng)域的技術(shù)人員的方式。這些操作雖然是在功能或邏輯上描述，但被理解為由計(jì)算機(jī)程序?qū)嵤?。此外，已被證實(shí)時(shí)常方便的是，將操作的這些布置稱為模塊或功能名稱，而不損失通用性。

除非另外具體陳述為從上文的論述清楚，否則應(yīng)了解，在本說(shuō)明書全文中，利用例如“確定”或“顯示”等術(shù)語(yǔ)進(jìn)行的論述表示計(jì)算機(jī)系統(tǒng)或類似電子計(jì)算裝置的動(dòng)作或過(guò)程，該計(jì)算機(jī)系統(tǒng)或類似電子計(jì)算裝置在計(jì)算機(jī)系統(tǒng)存儲(chǔ)器或寄存器或其它此種信息存儲(chǔ)、傳輸或顯示裝置內(nèi)的操作和變換被表示為物理(電子)量的數(shù)據(jù)。

本發(fā)明的某些方面包含本文所述的呈算法的形式的過(guò)程步驟和指令。應(yīng)注意，本發(fā)明的過(guò)程步驟和指令可體現(xiàn)在軟件、固件或硬件中，并且當(dāng)體現(xiàn)在軟件中時(shí)，可被下載以常駐在實(shí)時(shí)網(wǎng)絡(luò)操作系統(tǒng)所使用的不同平臺(tái)上并從所述不同平臺(tái)操作。

本發(fā)明還涉及用于執(zhí)行本文中的操作的設(shè)備。此設(shè)備可針對(duì)所需用途來(lái)專門構(gòu)造，或可包括可由計(jì)算機(jī)存取的計(jì)算機(jī)可讀介質(zhì)上所存儲(chǔ)的計(jì)算機(jī)程序選擇性激活或重新配置的通用計(jì)算機(jī)。此計(jì)算機(jī)程序可存儲(chǔ)在非暫時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，例如，但不限于任何類型的盤片(包含軟盤、光盤、CD-ROM和磁光盤)、只讀存儲(chǔ)器(ROM)、隨機(jī)存取存儲(chǔ)器(RAM)、EPROM、EEPROM、磁卡或光卡、專用集成電路(ASIC)或適用于存儲(chǔ)電子指令并各自耦接到計(jì)算機(jī)系統(tǒng)總線的任何類型的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。此外，本說(shuō)明書中所引用的計(jì)算機(jī)可包含單個(gè)處理器或可以是使用多個(gè)處理器設(shè)計(jì)以提高計(jì)算能力的架構(gòu)。

本文所呈現(xiàn)的算法和操作不是固有地與任何特定計(jì)算機(jī)或其它設(shè)備相關(guān)。各種通用系統(tǒng)也可根據(jù)本文中的教示與程序一起使用，或可被證實(shí)方便的是，構(gòu)造較專業(yè)化的設(shè)備以執(zhí)行所需的方法步驟。各種這些系統(tǒng)的所需結(jié)構(gòu)與等同變化對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)將是清楚的。此外，不參考任何特定編程語(yǔ)言來(lái)描述本發(fā)明。應(yīng)了解，各種編程語(yǔ)言可用于實(shí)施如本文所述的本發(fā)明的教示，并且對(duì)特定語(yǔ)言的任何引用被提供以用于發(fā)明本發(fā)明的實(shí)現(xiàn)和最佳模式。

本發(fā)明良好適用于許多拓?fù)涞膹V泛各種計(jì)算機(jī)網(wǎng)絡(luò)系統(tǒng)。在此領(lǐng)域內(nèi)，大型網(wǎng)絡(luò)的配置和管理包括在例如因特網(wǎng)等網(wǎng)絡(luò)上通信地耦接到不同計(jì)算機(jī)和存儲(chǔ)裝置的存儲(chǔ)裝置和計(jì)算機(jī)。

最終，應(yīng)注意，本說(shuō)明書中所使用的語(yǔ)言已主要出于可讀性和指導(dǎo)的目的來(lái)選擇，并且可并不是為了描繪或限制本發(fā)明主題來(lái)選擇。因此，本發(fā)明的公開內(nèi)容希望說(shuō)明而不是限制本發(fā)明的范圍。