音频搜索中的“以样例查询 (QBE)”系统是一种允许用户通过提供示例音频剪辑作为输入来查找音频内容的方法。 该系统不使用基于文本的关键字或元数据，而是分析示例的声学特征，以识别数据库中相似的声音。 当用户缺乏描述性术语来描述他们正在搜索的内容或元数据不完整时，此方法非常有用。 例如，开发人员可以输入一段 5 秒的鸟鸣录音，系统将返回包含匹配或相似鸟叫声的音频文件。
QBE 系统核心依赖于特征提取和相似性比较。 首先，系统将示例音频转换为一组数值特征，这些特征代表其声学特性。 常用技术包括用于捕获频谱细节的梅尔频率倒谱系数 (MFCC)、用于捕获谐波内容的色度特征或诸如过零率之类的时间特征。 然后使用相似度指标（例如余弦相似度或动态时间规整 (DTW)）将这些特征与数据库中音频文件的预处理特征进行比较。 例如，DTW 通常用于对齐和比较不同长度的音频序列，使其适用于匹配具有时间变化的口语单词或环境声音。
实施此类系统的开发人员面临着实际的考虑因素。 首先，预处理音频数据（例如，降噪、标准化）对于提高特征一致性至关重要。 其次，高效地索引大型数据集需要诸如近似最近邻 (ANN) 库（例如 FAISS）之类的工具来扩展相似度搜索。 一个真实世界的应用程序可能涉及一个音乐应用程序，用户哼唱一首曲子来查找歌曲：系统从哼唱中提取音高轮廓，对其进行索引，并与曲目特征数据库进行匹配。 挑战包括平衡准确性与计算速度以及处理查询中的背景噪声。 诸如用于特征提取的 Librosa 或用于训练自定义相似性模型的 TensorFlow 等开源工具通常用于构建这些系统。