局部敏感哈希（LSH）是一种技术，旨在将相似的数据项映射到哈希表中的相同或附近的“桶”中，从而有效地在大规模数据集中查找近似最近邻。与旨在最小化冲突（不同输入产生相同哈希值）的传统哈希不同，LSH 有意最大化相似输入的冲突。这通过使用保留相似性概念的哈希函数来实现——例如，两个特征几乎相同的音频片段应该哈希到同一个桶中。常见的 LSH 算法包括用于余弦相似度（例如，随机超平面投影）或欧几里得距离（例如，带阈值的随机投影）的方法。核心思想是用一定的准确性换取速度，使其能够实用地搜索海量数据集。
在**音频搜索**中，LSH 用于快速识别与查询相似的音频文件。首先，音频数据被转换为特征表示，例如声谱图、梅尔频率倒谱系数（MFCC）或神经网络生成的嵌入向量。这些特征捕获了音高、节奏或音色等特性。然后，LSH 将这些高维向量哈希成紧凑的签名。例如，如果使用 MFCC，每个音频片段可能被分成帧，并且使用 LSH 函数对每帧的系数进行哈希。相似的片段会共享许多这些帧级别的哈希值，从而使它们在同一个桶中发生冲突。在搜索过程中，系统对查询音频进行哈希，并从匹配的桶中检索候选对象，这大大减少了与暴力搜索方法相比所需的比较次数。
一个具体的例子是**音频指纹识别**，例如 Shazam 的歌曲匹配系统。在这里，LSH 可以帮助将独特的声学指纹（来源于频谱峰值）映射到哈希桶。当用户录制一小段音频时，系统计算其指纹，进行哈希处理，并在预先计算好的桶中检查冲突，以找到潜在的匹配项。另一个用例是**版权检测**，平台在此用例中扫描上传的音频与版权材料数据库进行比对。通过使用 LSH，他们避免将每一次新的上传与每一个现有文件进行比较。开发者可以使用像 annoy 或 faiss 这样的库来实现 LSH，这些库支持自定义距离度量和可伸缩索引。关键的权衡在于调整参数（例如，哈希长度、表的数量），以平衡特定音频领域的召回率、准确率和速度。