我如何检测（最好使用 Python）可以使用不同比特率（但它们是同一首歌曲）编码的重复 MP3 文件和可能不正确的 ID3 标签？
我知道我可以对文件内容进行MD5 校验和，但这不适用于不同的比特率。而且我不知道 ID3 标签是否对生成 MD5 校验和有影响。我应该重新编码具有不同比特率的 MP3 文件，然后我可以进行校验和吗？你有什么推荐的？
【问题讨论】：
标签： python file mp3 duplicates id3
老AudioScrobbler 和现在MusicBrainz 的人们很久以前就一直在研究同样的问题。目前，可以帮助您完成任务的 Python 项目是 Picard，它将使用 GUID（实际上是其中的几个）标记音频文件（不仅是 MPEG 1 第 3 层文件），从那时起，匹配标签非常简单。
如果您更愿意将其作为自己的项目，libofa 可能会有所帮助。
【讨论】：
就像其他人所说，简单的校验和不会检测到具有不同比特率或 ID3 标签的重复项。您需要的是音频指纹算法。 Python Audioprocessing Suite 有这样一个算法，但我不能说它有多可靠。
【讨论】：
对于标签问题，Picard 可能确实是一个很好的选择。如果在识别出两个可能重复的文件后，您想要从中提取比特率信息，请查看mp3guessenc。
【讨论】：
我认为简单的校验和不会起作用：
我认为你必须比较 ID3 标签、歌曲长度和文件名。
【讨论】：
以相同的比特率重新编码是行不通的，事实上它可能会使事情变得更糟，因为转码（这就是所谓的以不同比特率重新编码的方式）会改变压缩的性质，你是重新压缩一个已经压缩的文件会导致一个明显不同的文件。
这有点不符合我的要求，但我会通过查看 MP3 的波形来解决这个问题。通过将 MP3 转换为未压缩的 .wav 或仅对 MP3 文件本身运行分析。为此应该有一个图书馆。只是一个警告，这是一项昂贵的操作。
另一个想法，使用 ReplayGain 扫描文件。如果它们是同一首歌曲，则应将它们标记为相同的增益。这仅适用于来自完全相同专辑的完全相同的歌曲。我知道有几个案例是重新发行以更高的音量重新制作，从而改变了重播增益。
编辑：
您可能想查看http://www.speech.kth.se/snack/，它显然可以进行频谱图可视化。我想任何可以视觉频谱图的库都可以帮助您比较它们。
来自官方 python 页面的 link 也可能会有所帮助。
【讨论】：
Dejavu 项目是用 Python 编写的，完全符合您的要求。
https://github.com/worldveil/dejavu
它还支持许多常见格式（.wav、.mp3 等）以及在原始音轨中查找剪辑的时间偏移。
【讨论】：
我正在寻找类似的东西，我发现了这个：
http://www.lastfm.es/user/nova77LF/journal/2007/10/12/4kaf_fingerprint_(command_line)_client
希望对你有帮助。
【讨论】：
我会使用长度作为我的主要启发式方法。这就是 iTunes 在尝试使用 Gracenote database 识别 CD 时所做的事情。 Measure the lengths in milliseconds 而不是秒。请记住，这只是一种启发式方法：您绝对应该在删除之前听取任何检测到的重复项。
【讨论】：
您可以使用 PUID 和 MusicBrainz 的后继者，称为 AcoustiD：
AcoustID 是一个开源项目，旨在创建一个免费的音频指纹数据库，并映射到 MusicBrainz 元数据数据库，并使用该数据库提供用于音频文件识别的网络服务...
...指纹以及将歌曲识别到 AcoustID 数据库所需的一些元数据...
您可以在 https://acoustid.org/ 找到各种客户端库和 Web 服务示例
【讨论】：