告一段落 暂时失败

import matplotlib.pyplot as plt
from scipy import signal
from scipy.io import wavfile


def get_audio_code(file):
    sample_rate, samples = wavfile.read(file)
    frequencies, times, spectrogram = signal.spectrogram(samples, sample_rate)
    print(f'{frequencies=}', len(frequencies))
    print(f'{times=}', len(times))
    print(f'{spectrogram=}', type(spectrogram))
    # [[print(f'{type(i)} {i}') for i in row] for row in spectrogram[:1]]

    # plt.pcolormesh(times, frequencies, spectrogram)
    # plt.imshow(spectrogram)
    # plt.ylabel('Frequency [Hz]')
    # plt.xlabel('Time [sec]')
    # plt.show()
    return times, frequencies, spectrogram

• 简单搞了一个获取声音频谱的
• 先要拿一段源视频test2.mp4，和截一段贴片广告(ffmpeg无损截 test2_trim.mp4)。
• 然后把两段分别按同样参数转成wav。

ffmpeg -i test2.mp4 -acodec pcm_u8 -ac 1 -ar 22050 test2.wav

• 然后获取频谱，其中spectrogram.T行列转换之后就是一个包含[时间:[编码,...],...]的数组。

• 然后对数组做简单的近似匹配，广告在开头的时候捕获成功，广告在结尾捕获失败。

• 感觉问题还是广告的开始点，和几次转码的时间点，匹配上有问题。
  用数组直接做近似匹配不行，可能需要提取其它特征，比如增幅变化或者别的。
  但感觉为了这么个东西也犯不上费太大功夫，先告一段落。

• 参考：worldveil/dejavu: Audio fingerprinting and recognition in Python