Shazam이 몇 초 만에 곡을 식별하는 방법: FFT → 스펙트로그램 → 콘스텔레이션 맵 → 피크 쌍 해시

요약

이 글은 Shazam과 같은 음악 식별 서비스가 짧은 시간 안에 노래를 인식하는 기술적 과정을 단계별로 설명합니다. 핵심 과정으로는 오디오 신호를 주파수 영역으로 변환하는 FFT(고속 푸리에 변환)를 사용하고, 이를 스펙트로그램으로 시각화하며, 특정 특징점인 피크 쌍을 추출하여 콘스텔레이션 맵에 매핑하는 것이 포함됩니다. 최종적으로 이 패턴들을 해시화하여 데이터베이스와 비교함으로써 정확한 곡 정보를 식별해냅니다.

핵심 포인트

• 음악 인식의 핵심은 오디오 신호를 시간-주파수 영역으로 변환하는 것입니다 (FFT 및 스펙트로그램).
• 단순히 음높이만 보는 것이 아니라, 특정 주파수 간의 관계(피크 쌍)를 특징점으로 사용합니다.
• 콘스텔레이션 맵을 사용하여 추출된 피크 쌍들의 패턴을 시각적/구조적으로 저장하고 비교할 수 있습니다.
• 최종적인 식별은 이 패턴들을 해시화하여 데이터베이스와 빠르게 매칭하는 방식으로 이루어집니다.