模糊匹配/分块算法

听起来你不想花费大量时间钻研音频处理/工程，因此你想要一些你可以快速理解并且正常工作的东西。如果您愿意选择更复杂的东西，请参阅此处以获得非常好的参考。 在这种情况下，我希望简单的响度和零交叉措施足以识别声音的部分。这很好，因为您可以使用类似于rsync的技术。 选择一些样本作为块大小，并定期浏览参考音频数据。 （我们称之为'块大小'。）计算过零度量（您可能需要一个简单的过零计数的对数（或快速近似））。根据时间和过零度量将块存储在2D空间结构中。 然后一步一步地浏览您的实际音频数据。 （可能不需要像一个样本一样小。）请注意，您不必重新计算整个块大小的度量 - 只需在块中不再删除过零点并添加新块那是。 （您仍然需要计算对数或其近似值。） 寻找具有足够接近频率的“下一个”块。请注意，由于您要查找的是从头到尾的顺序，因此没有理由查看-all-块。事实上，我们不希望因为我们更容易得到误报。 如果块匹配得足够好，看它是否匹配到沉默。 唯一的关注点是2D空间结构，但老实说，如果你愿意原谅一个严格的近似窗口，这可以变得更容易。然后你可以只有重叠的箱子。这样你需要做的就是在一段时间后检查所有值的两个箱 - 实际上是通过搜索结构进行的两次二进制搜索。 所有这一切的缺点是它可能需要一些调整才能正确，并且不是一种经过验证的方法。     

如果你可以像你建议的那样可靠地区分沉默与非沉默，如果唯一的区别是沉默的插入，那么似乎唯一不平凡的情况是在没有之前没有插入沉默的地方：

ref: --part1part2--
syn: ---part1---part2----

如果你可以使你的块大小适应沉默，你的算法应该没问题。也就是说，如果你的块大小相当于上面例子中的两个字符，你的算法将识别“pa”匹配“pa”和“rt”匹配“rt”但是对于第三个块它必须识别

syn

中的沉默并且适应块大小比较“1”到“1”而不是“1p”到“1-”。 对于更复杂的编辑，您可能能够调整加权最短编辑距离算法，删除静默有0成本。