ScholarGate
Assistent
Machine learningHashing and identification

Audio Fingerprinting

Audio fingerprinting is een techniek voor het creëren van een compacte, robuuste identificatiecode (fingerprint) voor audio-opnamen die de inhoud uniek representeert, terwijl deze tolerant is voor modificaties zoals compressie, ruis of tijdsverschuiving. Geïntroduceerd door Haitsma en Kalker (2002), vormt het de basis voor muziekidentificatiediensten zoals Shazam en is het cruciaal voor handhaving van auteursrechten, muziekmatching en deduplicatie van bibliotheken. Een fingerprint is geen waveform hash; het vangt perceptuele inhoud en blijft stabiel over redelijke audio-alteraties.

Openen in MethodMindBinnenkortApply, compare, get guidance
Tools & resources
Dia's downloaden
Learn & explore
VideoBinnenkort

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Methodenkaart

De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.

Bronnen

  1. Haitsma, J., & Kalker, T. (2002). A highly robust audio fingerprinting system. In Proceedings of the International Symposium on Music Information Retrieval. link
  2. Wang, A. L. (2003). An industrial-strength audio search algorithm. In Proceedings of the International Symposium on Music Information Retrieval. link
  3. Cano, P., Batlle, E., Kalker, T., & Haitsma, J. (2005). A review of audio fingerprinting. Journal of the Audio Engineering Society, 53(9), 804-825. link

Deze pagina citeren

ScholarGate. (2026, June 3). Audio Fingerprinting Algorithm. ScholarGate. https://scholargate.app/nl/music-information-retrieval/audio-fingerprinting

Welke methode?

Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.

Naast elkaar vergelijken

Geciteerd door

ScholarGateAudio Fingerprinting (Audio Fingerprinting Algorithm). Geraadpleegd op 2026-06-17 via https://scholargate.app/nl/music-information-retrieval/audio-fingerprinting · Gegevensset: https://doi.org/10.5281/zenodo.20539026