知乎

天貓雙11“春晚”有搖一搖獲得“1元購”的互動，在大型晚會上這種通過搖一搖搶到紅包或者節目單或者明星祝福什么的，互動是怎么實現的？

告訴大家，這項技術的關鍵，根本不在于“搖一搖”，而是要歸功于里面一項很神秘的核心技術：音頻指紋識別。

如果你看春晚把電視調成了靜音，手腕搖斷了都不會有明星送祝福。因為其實無論是支付寶，還是天貓這次雙11春晚可能會用到的手機淘寶、手機天貓等App，在開啟“搖一搖”這種功能的時候，你要先保證你的手機能“聽到”電視發出的聲音，這樣手機上的麥克風才能采集音頻信號，并對音頻信號進行一些特征的預處理后，提取到音頻的指紋。

那么音頻的指紋是什么？音頻指紋之于音頻就如同指紋之于人，它是每段音頻關于音頻數據內容的壓縮簽名。目前比較通用的音頻指紋是音頻的頻譜特征，頻譜特征的好處呢，就在于它可以“透過外在看本質”，收集到的音頻信號會先被無情地卸掉偽裝，也就是進行數字采樣和降噪等預處理，然后再通過加窗的方式分幀，對于每幀音頻信號會提取出音頻的頻譜特征。最后將一系列連續的特征序列拼接成單獨一個向量，我們就得到傳說中的音頻指紋了。

看到這里，大家可能想到了一個發家致富的新思路：要是我把天貓晚會錄個音，然后每天在家循環播放邊聽邊搖，我是不是能把馬云爸爸搶破產啊？

馬云爸爸冷笑一聲：我們這個技術是實時互動你造嗎？殘酷的實時也就意味著只有在特定的時刻才會進行匹配。你上傳的音頻指紋是包含接收音頻信號的時間信息的，而數據庫中相對應的音頻聲紋也是有設定好的時間標簽。所以只有在特定的時刻才會觸發相應的互動活動。想搶錢哪有那么容易？勸你還是在屏幕前乖乖守著直播看表搖手機吧。