知乎

天貓雙11“春晚”有搖一搖獲得“1元購”的互動，在大型晚會上這種通過搖一搖搶到紅包或者節(jié)目單或者明星祝福什么的，互動是怎么實現(xiàn)的？

告訴大家，這項技術(shù)的關(guān)鍵，根本不在于“搖一搖”，而是要歸功于里面一項很神秘的核心技術(shù)：音頻指紋識別。

如果你看春晚把電視調(diào)成了靜音，手腕搖斷了都不會有明星送祝福。因為其實無論是支付寶，還是天貓這次雙11春晚可能會用到的手機淘寶、手機天貓等App，在開啟“搖一搖”這種功能的時候，你要先保證你的手機能“聽到”電視發(fā)出的聲音，這樣手機上的麥克風(fēng)才能采集音頻信號，并對音頻信號進行一些特征的預(yù)處理后，提取到音頻的指紋。

那么音頻的指紋是什么？音頻指紋之于音頻就如同指紋之于人，它是每段音頻關(guān)于音頻數(shù)據(jù)內(nèi)容的壓縮簽名。目前比較通用的音頻指紋是音頻的頻譜特征，頻譜特征的好處呢，就在于它可以“透過外在看本質(zhì)”，收集到的音頻信號會先被無情地卸掉偽裝，也就是進行數(shù)字采樣和降噪等預(yù)處理，然后再通過加窗的方式分幀，對于每幀音頻信號會提取出音頻的頻譜特征。最后將一系列連續(xù)的特征序列拼接成單獨一個向量，我們就得到傳說中的音頻指紋了。

看到這里，大家可能想到了一個發(fā)家致富的新思路：要是我把天貓晚會錄個音，然后每天在家循環(huán)播放邊聽邊搖，我是不是能把馬云爸爸搶破產(chǎn)啊？

馬云爸爸冷笑一聲：我們這個技術(shù)是實時互動你造嗎？殘酷的實時也就意味著只有在特定的時刻才會進行匹配。你上傳的音頻指紋是包含接收音頻信號的時間信息的，而數(shù)據(jù)庫中相對應(yīng)的音頻聲紋也是有設(shè)定好的時間標(biāo)簽。所以只有在特定的時刻才會觸發(fā)相應(yīng)的互動活動。想搶錢哪有那么容易？勸你還是在屏幕前乖乖守著直播看表搖手機吧。