shazam自動辨識的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列必買單品、推薦清單和精選懶人包

實現於音訊壓縮域之內涵式歌者分類法

為了解決shazam自動辨識的問題，作者黃昱翔 這樣論述：

在本論文中，我們提出了一個實現於MP3及AAC音樂壓縮域的自動化歌者分類法。不同於早年在MP3壓縮域使用MDCT (Modified Discrete Cosine Transform) 係數的作法，在本論文中我們是使用梅爾倒頻係數 (Mel-Frequency Cepstral Coefficients, MFCC) 當作辨識之特徵值。雖然梅爾倒頻係數經常用於音樂分類及語者辨識，但是這類的研究大多都不是在壓縮域中實現，因為梅爾倒頻係數無法直接由壓縮域中取得。在本論文中，我們使用了一個修正的梅爾倒頻係數計算法，使得梅爾倒頻係數可以從MP3及AAC音樂壓縮域中取得。除此之外，為了描述特徵空間中

梅爾倒頻係數向量的分布，我們使用了高斯混合模型 (Gaussian Mixture Model, GMM)。而為了找出最相近的歌者/分類，我們則是使用最大似然分類法 (Maximum Likelihood Classification, MLC)。藉由最大似然分類法，每一個輸入的梅爾倒頻係數向量將會分配到其最相似的群聚中。最後，我們將演算法實現在兩個不同的嵌入式平台上，分別是Socle CDK及ITRI PAC Duo。最後的實驗結果也證實了我們所提方法的可行性。