如何修改dejavu库实现录音片段在源音频中的重复次数统计

Dejavu原有设计仅做存在性判定的核心原因是：它的匹配逻辑只会聚合足够数量的匹配哈希对来确认片段存在，不会区分多段独立的匹配区间，自然无法统计出现次数，可按以下步骤修改实现计数功能：

• 保留原有音频指纹生成逻辑，新增偏移量聚类步骤
  Dejavu匹配过程中会输出所有匹配哈希对应的「源音频时间偏移」和「查询片段时间偏移」的差值，你可以将这些差值按查询片段时长的1/10作为窗口大小做聚类，同一聚类内的差值属于同一次匹配的偏移结果。
• 新增有效匹配过滤规则
  对每一个聚类的匹配哈希数量做校验，只有数量达到Dejavu原有存在性判定的阈值（默认20个匹配对）的聚类，才判定为一次有效命中。
• 新增重叠匹配去重逻辑
  如果两个有效聚类对应的源音频时间区间重叠度超过30%，判定为同一次识别的重复结果，仅计数1次，避免片段本身的重复特征导致多计数。
• 适配全库统计需求
  如果需要统计查询片段在整个数据库所有源音频中的总出现次数，只需遍历所有源音频的匹配结果，累加每个源音频的有效命中次数即可，也可单独输出每个源音频内的出现次数。

调试阶段可根据实际场景调整参数：噪声较大的场景适当提高匹配哈希数量阈值，查询片段较短的场景适当降低重叠度判定阈值。如果需要更高的计数准确率，可以在匹配到对应时间区间后，新增一步频谱相似度校验，将区间内的音频频谱和查询片段的频谱做余弦相似度计算，相似度超过0.8的才计入有效次数，可大幅降低误识别概率。

内容的提问来源于stack exchange，提问作者Himanshu Chaudhary