Audio fingerprinting là quá trình tạo ra một chữ ký âm thanh nhỏ gọn và duy nhất từ một bản ghi âm để có thể xác định nó sau, ngay cả khi bản ghi ngắn, có tiếng ồn hoặc bị thay đổi.
Đây là công nghệ đằng sau YouTube Content ID, Shazam, hệ thống khử trùng của Spotify và mỗi hệ thống chống streaming-fraud hiện đại.
Audio fingerprinting là gì?
Audio fingerprint là một cấu trúc dữ liệu nhỏ được tạo ra từ một tệp âm thanh bằng cách phân tích các đặc trưng âm thanh của nó theo thời gian. Fingerprint nhỏ hơn nhiều so với tệp gốc (thường là vài kilobyte cho một bài hát 3 phút), nhưng nó ghi lại đủ thông tin về âm thanh sao cho hai tệp khác nhau của cùng một bản ghi sẽ tạo ra cùng một hoặc gần như chữ ký giống nhau.
Quan trọng nhất là, fingerprint có thể chịu được:
- Mã hóa lại (MP3, AAC, OPUS, OGG ở các tốc độ bit khác nhau).
- Thay đổi độ ồn và nén động.
- Tiếng ồn nền (trong một mức độ nhất định).
- Chồng lấp một phần (một clip 10 giây khớp với một bản master 4 phút).
- Thay đổi cao độ trong một số cách triển khai (trong một khoảng hạn hẹp).
Nó không khớp với các phiên bản cover, remix hoặc re-recorded, bởi vì đó là các bản trình diễn khác nhau. Fingerprinting khớp với bản ghi cụ thể, không phải bản thành phần bên dưới.
Tại sao audio fingerprinting tồn tại?
Ba trường hợp sử dụng độc lập hội tụ vào cùng một công nghệ:
- Nhận diện âm nhạc: Shazam (thành lập năm 2002) cần một cách để xác định một bài hát từ một mẫu microphone điện thoại ngắn có tiếng ồn.
- Thực thi quyền: YouTube Content ID cần phát hiện các tải lên sử dụng bản ghi có bản quyền.
- Khử trùng thư viện: DSP cần xác định các tải lên trùng lặp của cùng một bản ghi dưới các siêu dữ liệu khác nhau.
Cách tiếp cận phân tích âm thanh cơ bản giải quyết cả ba.
Các hệ thống audio fingerprinting chính
Chromaprint (mã nguồn mở)
Chromaprint là thư viện fingerprinting mã nguồn mở được sử dụng rộng rãi nhất, được phát triển bởi Lukáš Lalinský và cung cấp năng lượng cho dịch vụ AcoustID. Nó dựa trên đại diện chromagram: âm thanh được chia thành các cửa sổ ngắn, năng lượng quang phổ được ánh xạ vào 12 lớp cao độ của thang độ sắc thái, và ma trận tần số thời gian kết quả được nén thành một fingerprint nhị phân. Chromaprint là những gì mà hầu hết các nhà nghiên cứu học thuật và các công cụ music-tech độc lập sử dụng.
Echoprint (mã nguồn mở, kế thừa)
Echoprint được phát triển bởi The Echo Nest (được Spotify mua lại năm 2014) và phát hành dưới dạng mã nguồn mở. Nó sử dụng một phương pháp khác: trích xuất các thời điểm khởi đầu và mã hóa chúng dưới dạng hashes. Echoprint hiện tại phần lớn ngủ yên như một dự án công khai nhưng thiết kế của nó ảnh hưởng đến những gì đã xảy ra sau.
Các hệ thống độc quyền
- YouTube Content ID: Hệ thống nội bộ của Google, mã nguồn đóng, được tối ưu hóa cho quy mô lượng tải lên hàng ngày của YouTube.
- Shazam: Thuộc sở hữu của Apple, được xây dựng trên thuật toán chòm sao từ một bài báo năm 2003 của Avery Wang.
- Pex: một nhà cung cấp thương mại được sử dụng rộng rãi bởi các chủ sở hữu quyền âm nhạc.
- ACRCloud: một nhà cung cấp thương mại khác được sử dụng bởi các nền tảng nhỏ hơn và các nhà phát sóng.
Làm thế nào audio fingerprinting hoạt động trong thực tế?
Ba bước:
- Tải tham chiếu: một chủ sở hữu quyền hoặc nền tảng tải một tệp âm thanh tham chiếu. Hệ thống tính toán một fingerprint và lưu trữ nó trong một chỉ mục có thể tìm kiếm được được khóa bằng ISRC, ID hoặc các định danh khác.
- Truy vấn: một mẫu âm thanh mới đến (tải lên YouTube, truy vấn Shazam, gửi bản phát hành mới). Hệ thống tính toán fingerprint của nó.
- Khớp: fingerprint truy vấn được tìm kiếm trong chỉ mục tham chiếu. Các trận đấu trên ngưỡng độ tin cậy kích hoạt bất kỳ hành động nào mà hệ thống được xây dựng xung quanh (yêu cầu Content ID, “Bài hát được xác định,” cờ trùng lặp).
Ở quy mô YouTube, điều này xảy ra gần như thời gian thực trên toàn bộ firehose tải lên. Ở quy mô tiếp nhận bộ phân phối Spotify hoặc Apple Music, nó xảy ra tại thời điểm gửi, bắt các bản sao trước khi chúng tiếp cận danh mục.
Điều này có ý nghĩa gì đối với các nghệ sĩ và nhãn độc lập toàn cầu
Ba quy tắc làm việc.
1. Âm thanh của bạn là fingerprint của bạn. Khi một bản ghi được fingerprint trong bất kỳ hệ thống lớn nào, bất kỳ tải lên trong tương lai của cùng một bản ghi (dưới tên của bạn hoặc dưới tên của một người lạ) đều có thể phát hiện được. Đây là điều làm cho quyền sở hữu danh mục có thể thực thi được trong thời đại truyền phát nhạc.
2. Mã hóa lại không làm bại fingerprinting. Một sai lầm phổ biến là nghĩ rằng chuyển đổi WAV thành MP3 thành OGG sẽ phá vỡ liên kết. Nó không. Cùng một bản ghi tạo ra cùng một fingerprint trên các định dạng. Đây là lý do tại sao các bản master bị đánh cắp bị bắt ngay cả khi được tải lên lại sau khi chuyển đổi định dạng.
3. Gửi âm thanh của riêng bạn hai lần sẽ tạo ra một cờ trùng lặp. Nếu bạn phát hành cùng một bản ghi thông qua hai bộ phân phối cùng một lúc (hoặc vô tình tải nó lên hai lần cho cùng một bộ phân phối), fingerprinting sẽ bắt nó. Một hoặc cả hai sẽ kết thúc bị cách ly. Đối với các nghệ sĩ châu Phi và châu Á đôi khi sử dụng bộ phân phối địa phương cho một khu vực và một bộ phân phối toàn cầu cho phần còn lại, nước đi an toàn là một bản ghi, một bộ phân phối, với quyền lãnh thổ rõ ràng, không phải gửi kép.
Audio fingerprinting và nội dung được tạo ra bởi AI
Sự xuất hiện của các trình tạo âm nhạc AI (Suno, Udio và các trình khác) đã đẩy fingerprinting theo hai hướng mới:
- Phát hiện tập dữ liệu huấn luyện AI: các chủ sở hữu quyền fingerprint danh mục của họ và quét kết quả đầu ra mô hình AI để tìm các trận đấu, xây dựng bằng chứng vi phạm dữ liệu huấn luyện.
- Fingerprinting nội dung AI: các hệ thống mới đang xuất hiện để fingerprint không phải âm thanh mà các tạo tác của các trình tạo AI cụ thể, cho phép các nền tảng gắn cờ các bản gửi được tạo ra bởi AI ngay cả khi chúng không phải là bản sao của các bản nhạc hiện có.
Đây là một biên giới thực thi hoạt động tính đến năm 2026.
Các sai lầm và mẹo chung về audio fingerprinting
- Coi remix là chữ ký giống hệt với bản gốc. Một remix là một bản ghi khác. Nó cần fingerprint của riêng nó, ISRC của riêng nó và gửi của riêng nó.
- Nhầm lẫn một trận đấu gần gũi với một dương tính giả. Hai bài hát không liên quan đôi khi tạo ra các fingerprint tương tự đủ để kích hoạt một trận đấu độ tin cậy thấp. Đánh giá thủ công sẽ giải quyết những vấn đề này.
- Nhầm lẫn tái sử dụng mẫu. Nếu bản nhạc của bạn sử dụng một mẫu 5 giây từ bản ghi Funkadelic, fingerprint mẫu sẽ khớp một phần. Tiết lộ mẫu và nhận quyền cho phép, đừng hy vọng fingerprint sẽ không bắt nó.
- Quên rằng các bản ghi trực tiếp là các fingerprint khác nhau. Một phiên bản trực tiếp của một bản nhạc studio là một bản ghi riêng biệt. Nó sẽ không tự động khớp với các yêu cầu Content ID dựa trên tham chiếu studio.
- Chỉ tin tưởng vào một hệ thống fingerprinting. Không có hệ thống nào 100% chính xác. Các hoạt động quyền lớn chạy nhiều công cụ fingerprint song song.
Làm thế nào InterSpace Distribution xử lý điều này
InterSpace Distribution chạy audio fingerprinting dựa trên Chromaprint trên mỗi bản gửi bản phát hành, bắt các bản sao trong nền tảng trước khi gửi và tích hợp với các hệ thống fingerprint DSP chính thông qua các đường nạp DDEX tiêu chuẩn. Âm thanh được tạo ra bởi AI được sàng lọc thêm khi nhập vào. Đọc thêm trong mục liên quan về phát hiện âm nhạc AI.