Međutim, većina aplikacija za prepoznavanje muzike može da kaže koji je naslov instrumentala ili čak onoga ko peva. Umesto da se analizira tekst pesme, vi zapravo pretražujete tražite “otiske” koji su jedinstveni za svaku pesmu.
Verovatno svoj mobilni telefon možete da otključate otiskom prsta, koji se sastoji od rasporeda linija na vašem prstu koje je jedinstven.
Slično tome, kada držite mikrofon da biste snimili kratak deo neke pesme, ovaj snimak pretvara se u obrasce podataka koje aplikacije mogu da potraže u svjoj bazi podataka.
Često se, sigurno, dešava da čujete neku pesmu na javnom mestu. Pozadinska buka i “izobličenje” prouzrokovano zvučnicima mogu da znače da ta pesma neće biti prepoznata.
Ocrtavanje zvuka
Informacije o video snimku mogu da se pretvore u 3D grafikon, koji se zove spektrogram i predstavlja promenu frekvencija tokom određenog vremena. U obzir se uzima i amplituda, odnosno jačina zvuka.
Umesto da uzmu u obzir cele pesme prilikom vršenja pretrage, aplikacije za prepoznavanje često uzimaju samo “vrhove“ grafikona.
“Otiske prstiju” neke pesme, tako, uzimaju samo u najvišim tačkama frekvencije u datom vremenskom okviru, a zatim iz najvećih amplituda unutar tih tačaka. Kod aplikacije Shazam, na primer, metoda omogućava da se ovako izvuče većina nepotrebnih delova audio-snimka, poput pozadinske buke.
Takođe, čini veličinu otisaka dovoljno malom da je potrebno nekoliko milisekundi da se pesma prepozna u ogromnoj bazi podataka.
