GN⁺: 샤잠 작동 원리 (2022)

요약 제목: Shazam 음악 인식 기술의 원리

Shazam이란 무엇인가?

• Shazam은 주변에서 재생되는 음악을 식별하는 앱임.
• 앱을 열고 음악이 재생되는 동안 몇 초간 오디오를 녹음하여 데이터베이스에서 검색함.
• 과거에는 전화번호로 서비스를 제공했으며, 통화 품질의 한계로 인해 음악 인식이 어려운 작업이었음.

음악 인식이 어려운 이유

• 신호 처리에 익숙하지 않은 사람에게는 오디오 신호의 복잡성으로 인해 음악 인식이 어려운 문제임.
• 노래의 특정 부분을 전체 트랙에서 찾는 무차별 대입 방식은 매우 느리며, 백그라운드 노이즈와 주파수 효과 등으로 인해 신호의 형태가 크게 변할 수 있음.

시스템 개요

• Shazam은 음악을 등록하고 인식하는 두 가지 흐름으로 나뉘며, 두 흐름 모두 스펙트로그램 계산, 스펙트로그램 내 피크 찾기, 피크 해싱 등의 공통 단계를 가짐.
• 등록 흐름은 해시를 데이터베이스에 저장하고, 인식 흐름은 데이터베이스 내 해시와 비교하여 재생 중인 노래를 식별함.

스펙트로그램 계산

• 오디오의 스펙트로그램을 얻기 위해 Fourier 변환을 이해해야 함.
• Fourier 변환은 오디오에서 존재하는 주파수를 알려주며, 이를 통해 시간에 따른 주파수 변화를 나타내는 스펙트로그램을 생성함.

스펙트로그램

• 스펙트로그램은 시간에 따라 변하는 주파수를 더 잘 표현하기 위해 노래를 작은 부분으로 나누고 Fourier 변환을 적용함.
• 스펙트로그램은 시간(X축), 주파수(Y축), 강도(Z축/색상)의 3D 그래프임.

지문 생성

• 스펙트로그램에서 가장 큰 주파수를 나타내는 피크를 찾아 오디오의 고유 지문을 추출함.
• 이러한 피크는 노이즈나 기타 왜곡에도 견딜 수 있어 지문 생성에 적합함.

피크 찾기

• 스펙트로그램의 피크는 신호에서 가장 강한 주파수를 나타내며, 오디오 지문에서 사용하기 위해 고르게 분포되어야 함.
• 최대 필터 기법을 사용하여 스펙트로그램의 피크를 강조하고 위치를 찾음.

해싱

• 스펙트로그램 피크의 쌍을 만들어 해시를 생성하고, 이를 통해 고유성을 높임.
• 해시는 두 피크의 주파수와 시간 차이를 포함하여 데이터베이스에 저장됨.

매칭

• 데이터베이스 내 지문 컬렉션에서 주어진 오디오 샘플과 일치하는 지문을 찾는 과정을 설명함.
• 해시를 검색하고, 노래별로 그룹화한 다음, 해시가 일치하는지 확인하여 가장 많이 일치하는 트랙을 선택함.

결론

• Shazam은 노래를 등록하고 인식하기 위해 스펙트로그램 계산, 피크 추출, 해시 쌍 생성, 지문 저장 등의 과정을 거침.

GN⁺의 의견

• 이 기사에서 가장 중요한 것은 Shazam이 음악을 인식하는 복잡한 과정을 이해하기 쉽게 설명하고 있다는 점임.
• 기술적인 세부 사항을 단계별로 분해하여 초급 소프트웨어 엔지니어도 이해할 수 있도록 만들어진 점이 흥미롭고 매력적임.