midomi

定义

midomi是一個以聲音為檢索入口的音樂搜尋網站，使用者不需要輸入歌名或歌詞，只需對著電腦麥克風唱出、哼出或吹出旋律片段，系統便會把這段錄音與庫中旋律比對，列出可能對應的曲目^[1][2]。檢索結果既包含商業發行的錄音版本，也包含其他使用者上傳的同曲演唱版本，並允許試聽與自己聲音樣本相匹配的那一段^[1]。除哼唱外，站點也接受以曲名或歌手名進行的文字檢索，且對拼寫錯誤有一定容忍度^[2]。

該站同時具有社群屬性，註冊使用者可以建立個人檔案、錄製自己演唱的歌曲、互相評分和留言，這些錄音又會被納入可供檢索的旋律庫^[5]。

原理

支撐檢索的核心技術由Melodis自行研發，公司稱其為多模態自適應識別系統(Multimodal Adaptive Recognition System, MARS)^[1][6]。與當時多數只依賴單一特徵的比對方式不同，該系統會分別分析音高走向、節奏與速度變化、換氣停頓位置以及歌詞內容，再依輸入類型調整各項特徵的權重^[5][7]。例如使用者唱出歌詞時，語音內容會參與判斷；若只是哼唱或吹口哨，歌詞訊息則被忽略^[5]。

這一設計的一個關鍵取向，是把哼唱片段與「別人哼唱的同一旋律」相比，而非直接與唱片原音相比。公司負責人解釋，從複雜配器與人聲中提取旋律再與哼唱對齊相當困難，而哼唱對哼唱則容易得多^[3]。系統對音準、節奏、調性和語言具有一定容忍度，即使偏離原曲或歌詞記不全，只要庫中存在該曲仍可能被找出。由於歌詞訊息也納入比對，旋律相同而歌詞不同的歌曲可以被區分開來。

发展历程

midomi的開發方Melodis Corporation由Keyvan Mohajer等人於2004年在史丹佛大學起步，其本人博士階段的研究方向為聲音與語音識別^[2][1]。網站於2007年1月26日以測試版形式上線，當時已取得約200萬首數位曲目的授權，另有使用者自行錄製的約1.2萬條旋律樣本^[1][8]。上線初期即有媒體將其視為「用音樂找音樂」這一類新型檢索服務的代表之一^[9]。

同一時期，服務開始向不同語言市場延伸，2007年8月起推出面向日本的版本，並在比對時處理日語曲目^[7]。2008年7月，對應的行動應用進入蘋果應用商店；2009年10月，它成為微軟行動應用商店上架應用之一。

2009年，隨著行動應用3.0版本發布，midomi這一名稱被改為SoundHound，公司層面則在2010年5月更名為SoundHound Inc.^[10]。此後，該站點仍以midomi的名義保留了一段時間的網頁版本^[11]。目前訪問原midomi地址會被跳轉至SoundHound的音樂應用介紹頁面，先前的網頁錄音介面已不再提供^[4][12]。

应用

作為檢索工具，midomi的典型用途是在只記得一小段旋律、想不起曲名時快速定位歌曲，並可進一步查看演唱者、專輯等資訊、試聽片段或跳轉購買^[13][1]。站點還提供熱門歌曲榜單等瀏覽入口，讓使用者了解近期被較多檢索的曲目^[10]。

其社群功能使該站兼具翻唱展示平台的性質，使用者可按曲目上傳自己的演唱錄音，供他人收聽與評分，這些錄音同時成為檢索庫的組成部分^[3][1]。這一「使用者貢獻旋律樣本」的建庫思路，被開發方類比為維基百科式的協作方式。相關的哼唱識別能力後來也被移植到行動端，成為更名後服務的主要形態。

局限

以哼唱為入口的檢索對曲庫覆蓋面依賴很強。早期可檢索的旋律大量來自有聲帳號使用者自願錄製，資料量有限，冷門曲目與非主流類型往往缺少匹配樣本，吹口哨、單聲部哼唱以外的多聲部輸入也容易令比對失準^[3][14]。有評測者以自身嘗試為例指出，哼唱後返回的結果可能與所唱歌曲相去甚遠，而使用者若本來就不知道曲名，仍需在候選結果中逐一試聽核對^[15]。

技術路線本身也有邊界：由於強調哼唱與哼唱之間的相似性，系統對節奏複雜、旋律性弱的曲目以及改編版本、混音版本的區分能力有限^[16]。此外，早期網頁端依賴瀏覽器錄音元件，在部分裝置上無法使用，麥克風權限與錄音環境噪音也會直接影響檢索結果^[13][17]。隨著網頁服務轉向行動應用，原本在瀏覽器中直接哼唱的使用方式不再保留^[12]。

参见

• 哼唱检索 —— 以哼唱旋律作為查詢輸入的音樂檢索技術，midomi 的核心機制即建立在其上。

• 声学指纹 —— 從音訊中提取特徵用於比對的技術思路，是同類音樂識別服務的基礎。

• SoundHound —— midomi 於 2009 年更名後的服務與公司名稱。

• Shazam —— 同期另一款以環境音識別歌曲的服務，常與 midomi 及其後續產品互相比較。

• Melodis Corporation —— 開發並運營 midomi 的公司，後更名為 SoundHound Inc.。