Почему Shazam не находит песню: как устроено распознавание музыки

Как Shazam превращает звук ролика в цифровой отпечаток для поиска

Если Shazam или похожее приложение не опознало трек, который явно звучит в ролике, причиной необязательно является то, что приложение «не расслышало» мелодию: записи может не быть в каталоге сервиса, звук в ролике мог быть изменён — ускорен, замедлен или сведён с другой дорожкой, — либо сам образец слишком короткий или зашумлённый. По описанию создателя алгоритма Эйвери Ванга и по официальной документации Apple, Shazam ищет не мелодию как таковую, а совпадение цифрового отпечатка звука с конкретной записью, которая уже занесена в каталог сервиса. Отпечаток строится как «созвездие» пиков спектрограммы записи и набор хэшей, вычисленных по парам этих точек, — так получается компактный код, специфичный для конкретной фонограммы. Дальше поиск идёт не по смыслу и не по узнаваемости мелодии человеком, а по точному соответствию этих хэшей записи в базе.

Apple описывает тот же принцип проще: приложение строит уникальный цифровой отпечаток звука и сопоставляет его с каталогом из миллионов треков. Для разработчиков есть отдельный инструмент ShazamKit, который умеет сверять звук не только с общим каталогом Shazam, но и с собственной базой аудио, которую загружает сам разработчик, — например, дорожками конкретного видео или подкаста; при этом, по данным Apple, аудио не передаётся Apple, а аудиоподписи нельзя обратить в звук. Shazam принадлежит Apple: по официальному пресс-релизу компании, сделка была завершена 24 сентября 2018 года.

Живое исполнение и студийная запись — разные объекты для алгоритма

В статье 2003 года Ванг прямо пишет, что алгоритм нацелен на распознавание файлов, уже присутствующих в базе, и не рассчитан на то, чтобы этот результат распространялся на живые записи выступлений. Это значит: если в каталоге есть студийная версия трека, а распознаётся запись живого концертного выступления той же песни, совпадение может не найтись, потому что для алгоритма это два разных объекта, даже если человек уверенно узнаёт мелодию. Это не то же самое, что «плохо работает с записью через микрофон телефона»: по тексту самой статьи, алгоритм с самого начала проектировался именно под такой сценарий — звук, который улавливает микрофон телефона на фоне посторонних шумов, а не студийная тишина.

При этом, по описанию Ванга, система очень чувствительна к тому, какая именно версия трека прозвучала: по утверждению автора алгоритма в статье 2003 года, она способна отличить одно исполнение от другого, даже когда разница неразличима на слух, — то есть несколько похожих записей одной песни одним артистом система способна не перепутать между собой. В той же статье автор отмечает и ложные срабатывания системы — по его словам, часто оказывалось, что алгоритм на самом деле не ошибался, а фиксировал реальный случай сэмплинга или заимствования мелодии, поэтому источники не дают оснований утверждать, что перепутать версии в принципе невозможно, — только то, что различение версий заложено в саму логику алгоритма.

Путь трека в каталог Shazam: одобренный дистрибьютор и редакционные исключения

Прежде чем разбираться, почему ремикс или самодельная нарезка ведут себя иначе, стоит понять, как трек вообще попадает в каталог Shazam. По официальной инструкции Apple, чтобы музыка появилась в Shazam и Apple Music, правообладателю нужно работать с одобренным Apple дистрибьютором — то есть запись должна пройти через стандартный канал поставки контента, а не просто где-то прозвучать.

Та же инструкция Apple прямо говорит, что часть контента компания может скрывать из каталога по редакционным причинам, включая вводящий в заблуждение контент и нарушение авторских прав. Среди примеров, которые называет сама Apple, — диджей-миксы одним файлом, мегамиксы, аудиофрагменты и смонтированные вирусные нарезки с TikTok, SoundCloud, Instagram и YouTube. Иными словами, даже прохождение через дистрибьютора не гарантирует, что конкретная версия останется видимой в каталоге.

Разница между официальным ремиксом и самодельной ускоренной нарезкой

Из этого следует практическая граница, которую стоит держать в уме перед тем, как считать Shazam «сломанным». Если ремикс, кавер или ускоренная «sped up»-версия официально выпущены как отдельный трек через одобренного дистрибьютора, они в принципе получают собственную запись в каталоге и могут быть распознаны — но под своим названием, а не как обозначение оригинала. Самодельная версия — ускоренная или замедленная дорожка, смонтированная только для конкретного ролика и нигде не выпущенная как релиз, — устроена иначе: она не проходит через дистрибьютора и отдельной записи в каталоге не получает.

Технически изменение скорости и высоты звука сдвигает расположение пиков на спектрограмме, а значит и хэши, которые из них строятся, — поэтому логично ожидать, что совпадение с хэшами оригинальной записи для такой версии будет менее вероятным. Но это вывод из описанного механизма, а не отдельно измеренный результат: статья Ванга 2003 года тестирует устойчивость алгоритма к шуму и сжатию, а не к изменению темпа или высоты звука, и ни один из источников, использованных в этом материале, не приводит для сегодняшних версий Shazam, Google или SoundHound числовую оценку того, как часто такая самодельная версия всё же оказывается опознанной или неопознанной.

Давний эксперимент создателя алгоритма: длина пробы и уровень шума

У этой темы есть более старое и более измеримое исследование — но не про ремиксы, а про длину звукового фрагмента и посторонний шум. В контролируемом эксперименте, поставленном автором алгоритма на тестовой базе примерно из 10 000 треков, распознавание закономерно снижалось при уменьшении отношения сигнал/шум и при сокращении длины пробы: порог 50%-ного распознавания для образцов в 15, 10 и 5 секунд без сжатия достигался в районе −9, −6 и −3 дБ по шкале SNR соответственно, а после сжатия по кодеку GSM — уже в районе −3, 0 и +4 дБ.

Это исследование 2003 года на конкретной ранней версии алгоритма, а не тест актуального приложения 2026 года, и переносить точные цифры на сегодняшний Shazam нельзя. В этом материале они приводятся только как источник самой закономерности: чем короче и зашумлённее образец, тем ниже, по логике устройства алгоритма, шанс на совпадение — это свойство описанного в 2003 году алгоритма; как устроена и работает ли так же нынешняя версия, Apple не публиковала, а конкретные пороги в децибелах для неё неизвестны.

Автоматическое распознавание и офлайн-режим в приложении Shazam

Кроме ручного запуска, у Shazam есть несколько встроенных способов слушать музыку без повторного нажатия кнопки. Функция Auto Shazam умеет непрерывно пытаться распознавать музыку вокруг пользователя, не дожидаясь запуска вручную: по актуальной инструкции Apple, на iPhone, iPad и Apple Vision Pro она включается долгим нажатием на кнопку Shazam в самом приложении, а версия для Android сопоставляет звук с базой Shazam даже при переключении в другое приложение. Отдельно от Auto Shazam на iPhone и iPad есть быстрый доступ к разовому распознаванию через Пункт управления — там же, где на Mac и Apple Watch, только кнопкой «Recognize Music».

Офлайн-поведение, которое описывает Apple, относится к работе приложения Shazam при обычном использовании, а не только к Auto Shazam: если во время записи не было подключения к интернету, приложение всё равно строит цифровой отпечаток звука и предлагает совпадение позже, когда сеть появится, — это подтверждено и для iPhone/iPad, и для Android-версии. Отдельная оговорка касается наушников: по инструкции Apple, Shazam на iPhone и iPad не может определить трек, который проигрывается через наушники или гарнитуру, если в этот момент нет подключения к интернету, — офлайн-режим в этом сценарии не помогает.

Другой принцип поиска: как Google находит песню по напетой мелодии

Если Shazam не нашёл трек, это не значит, что его не найдёт вообще ни один инструмент. У Google есть отдельная функция «Search a song» в мобильном приложении: по инструкции самого Google, она позволяет либо включить воспроизведение записи, либо напеть, насвистеть или спеть мелодию — то есть предлагает второй способ поиска, не завязанный на точное совпадение с исходной фонограммой.

По описанию инженеров Google, режим распознавания по напеванию строит не отпечаток конкретной аудиозаписи, а компактное цифровое представление мелодии по спектрограмме и сопоставляет его с оригинальными записями напрямую, без промежуточного «напетого» эталона в базе. В описании 2020 года, приуроченном к запуску этой функции, Google указывает, что обучающие записи со случайно изменённой высотой и темпом использовались, чтобы модель научилась игнорировать такие различия наравне с фоновым шумом, — хотя два исполнения одной мелодии на практике могут отличаться и по тональности. Эта функция разработана на основе более ранних систем Google для распознавания уже проигранной музыки. Иными словами, если Shazam не сумел сопоставить отпечаток с каталогом, это не говорит о том, что мелодию в принципе невозможно узнать другим способом.

SoundHound: отдельный сервис распознавания со своим списком возможностей

SoundHound Inc. выпускает отдельное приложение SoundHound, которое, по официальному описанию в App Store и на его продуктовой странице, принимает и проигрываемую запись, и мелодию, которую пользователь поёт или напевает голосом.

Из изученных для этого материала источников — официальной страницы приложения и его описания в App Store — известен только список поддерживаемых способов ввода звука: проигрывание записи и пение или напевание голосом; о технической стороне сопоставления SoundHound эти источники не сообщают.

Практические шаги, если приложение не справилось с роликом

Если результат нужен не для общего понимания, а здесь и сейчас, разумный порядок действий такой. Если ролик смотрят на том же устройстве, где установлен Shazam, и в этот момент есть подключение к интернету, стоит для начала попробовать распознавание прямо на устройстве: на iPhone и iPad Shazam умеет определять музыку, которую пользователь слушает через наушники или гарнитуру, а на Android есть режим распознавания звука на самом устройстве — с наушниками или без — и функция Pop-Up Shazam, которая, по описанию Apple, определяет музыку, играющую в том же приложении, где её смотрят. Ещё один вариант на Android — вызвать поиск песни через Circle to Search, если он доступен на устройстве.

Если это не сработало или музыка звучит не с самого телефона, а откуда-то рядом, стоит попробовать напеть или насвистеть тот же мотив через функцию Google «Search a song» — это другой принцип поиска, не завязанный на точный отпечаток исходной фонограммы. Отдельно можно открыть SoundHound и повторить попытку тем же способом: спеть или напеть мелодию голосом либо воспроизвести запись рядом с микрофоном.

Если есть подозрение, что звучит официальный ремикс или sped-up-версия, есть смысл поискать трек по названию ролика или автору в поиске по стриминговым сервисам — такая версия может быть каталогизирована под собственным названием, отличным от ожидаемого оригинала. И только если запись делалась через встроенный микрофон устройства (а не через наушники) и в этот момент не было интернета, стоит просто подождать подключения: Shazam на iPhone, iPad и Android сам предложит совпадение позже, когда сеть появится, если отпечаток уже был построен и трек есть в каталоге. Через наушники или гарнитуру офлайн-режим не поможет вовсе — для этого сценария, по инструкции Apple, нужна активная сеть в момент прослушивания. Ни один из источников, на которые опирается этот материал, не описывает универсальный способ, который сработал бы для любого ролика в любых условиях.