高潮挑歌：自动剪辑出流行歌曲的副歌（高潮）部分

这应该是我在2016年6月份完成的一个小项目。

在这个信息爆炸的时代，数据压缩和信息检索早已成为一项非常重要的工作。文本的压缩和检索已经具备非常成熟的技术了，而音频等多媒体信息检索方面还有待进一步的研究。一方面可以是数据量的压缩，比如想办法把数据从10 MB压缩到3 MB。另一方面是对内容方面的剪辑，比方说从一首4分钟的歌里面提取出30秒作为它“最具表现力”的部分，而这种“最具表现力”的部分，通常指的就是一首歌曲的“副歌”部分，即歌曲的高潮部分，因为副歌往往是大家朗朗上口的片段。如果能从一首歌曲中截取出它的副歌部分，听众在很短的时间内，就可以从直观上，从感官上对这首歌作出一些评价。应用场景可以是在具有版权保护的音乐公司给听众一段试听的曲目，或是让听众在KTV中直接选择歌唱副歌的部分，也可以是让听众在段时间内挑出符合他自己口味的歌曲。

本项目利用信号处理、时频分析、特征提取、图像卷积等技术，实现了从一首流行歌曲中，挑选出它的副歌部分的功能。

思想是，副歌部分的旋律会重复，如果能找到重复的旋律，基本上就找到了歌曲的副歌部分。

具体流程是，对一维的音频信号进行短时傅里叶变换，得到时频分析的二维矩阵，通过计算每帧与其他帧的相似程度，构造一个自相似矩阵。再利用图像处理的卷积运算，对该自相似矩阵做线条检测，最终确定出副歌的位置。

左图：自相似矩阵；右图：线条检测的结果。

框出来的地方，就是最相思的地方。

可以看到，这首歌曲的第500帧~第800帧，与它的第100帧与第400帧很相似。

可以认为，这是该歌曲的副歌部分。