Текущая версия распознавания использования чужого контента базируется на идентификации аудио фрагментов.
- Аудиодорожка подвергается просмотру окном size=1024 и шагом 32.
- В каждом окне выполняется быстрое преобразование Фурье и сигнал раскладывается по частотам
- Частоты наносятся на логарифмическую шкалу
- получившаяся спектрограмма визуализируется при помощи matplotlib в 2D массив
- на спектрограмме находятся локальные максимумы в каждом квадрате определенного размера
- далее оставляем только найденные точки и отбрасываем все остальное
- строим связи между каждой точкой и N=10 последующих точек. Для каждой пары запоминаем относительное расположение.
- Хешируем информацию о связи и сохраняем хеш и смещение в базу данных
- При поиске также получаем последовательность хешей для проверяемого файла
- Находим в базе записи с такими же хешами
- Для каждого найденного хеша кладем в корзину - mediaId, stored_offset-sampled_offset, прочую информацию. Если отрисовать график, в случае совпадения можно увидеть линию y = x + b:
- смотрим, сколько элементов в каждой корзине. Если есть корзина со значительным количеством элементов, значит совпадение найдено:
- Далее отбрасываются outlayers и определяются границы сегмента.
- Запуск решения: в корневой папке
docker compose up -d. Два контейнера postgres база и python код docker-compose run python python index.py- подключиться к python контейнеру и проидексировать файлы в папке mytestdocker-compose run python python search.py file- проверитьfileна наличие заимствований. Диапазоны сегментов выведутся в output.