使用Python访问MP3音乐数据

我正试图编写一个Python脚本来搜索使用歌曲数据作为比较基础的重复的mp3/4文件。我的情况涉及许多具有相似文件名称但具有不同ID3标签的mp3/4文件。起初，我尝试循环并使用md5来查找重复的文件（忽略文件名）。当然，这在ID3标签不匹配时不起作用。使用Python访问MP3音乐数据

因此，我正在寻找一种方法来从mp3/4中仅提取音乐数据，以便通过md5运行并找到任何重复项。什么是最好的方式去做这件事？

2010-07-14 Jack M.

音乐可能（虽然'相同'）会有不同的比特率（除非你能确定一切都是无损的），这将使得一个简单的数据比较无用。所以你需要更先进的（可能是统计）技术。我敢肯定，SO上的某个人能够提供一些指示... – ChristopheD 2010-07-14 21:32:52

好的一点，而不是简单的md5 fft频率分析更合适。但是，音量可能不同。那么我想你会寻找两个fft之间的相关性，并期望高相关性？它确实变得棘手，因为一些歌曲可能包含难以察觉的“前景” - 介绍或演讲。 – 2010-07-14 21:36:02

@Hamish：我想知道他是否想把这些视为不同（例如，某首歌与现场演出录制的某首歌对比）。这真的取决于你如何定义“重复”，我想。这成为一个相当有趣的问题。 :) – Faisal 2010-07-14 21:40:16

尝试使用id3-py或mutagen到去掉所有的标签（ID3v1和ID3v2，它们都可以在同一个文件上），然后计算结果的MD5。

假设iTunes没有操作超出标签的文件，它们应该是相同的。转码显然会使这种方法失效。

2010-07-14 22:05:37

尽管磁盘密集，但使用Mutagen剥离标签的工作非常好。 – 2010-07-29 21:38:42

这实际上是非常先进的，模糊逻辑类型的东西你问。

这不是一个答案，但看一看这篇文章讨论：Detect duplicate MP3 files with different bitrates and/or different ID3 tags?（它可能有资格作为一个傻瓜居然...这是Python所特有的。）

2010-07-14 21:45:59

完全不同的问题。这些文件是具有不同ID3标签的相同MP3的副本，因为iTunes试图变得更加智能并更新ID3标签。音乐中应该没有二元差异，只有元数据。不过，谢谢你的回答。 = - ] – 2010-07-14 21:49:20

使用一些指纹算法。你可能知道MusicBrainz。他们列出了一些指纹算法here。他们现在使用AcoustId，这可能是你应该使用的东西（它很好，而且是免费的）。有能够产生这样的指纹的Chromaprint库。

我写了一个Python module ffmpeg，它通过FFmpeg进行解码，并提供了一个简单的函数来计算AcoustId指纹（使用Chromaprint）。 Here是一个小的演示（它甚至为这首歌查询MusicBrainz）。

应该很容易建立一些工具，使用它找到所有重复项。

如果音频数据完全相同，指纹将完全相同。如果音频数据相似，它将是相似的。请参阅AcoustId homepage了解更多信息，如果您不只是想检查相等性，您如何计算相似性。

2012-11-10 16:40:23 Albert

回答