Explore ShazamKit

Highlight

Apple 将 Shazam 的核心音频识别技术封装为 ShazamKit 框架，开发者可以在 App 中直接调用 Shazam 海量曲库进行歌曲识别，也可以创建自定义音频目录实现离线的任意音频匹配。

核心内容

你拍了一段视频，背景音乐很好听，但不知道歌名。以前的做法是：把视频传给朋友，或者打开另一个识别 App。现在，ShazamKit 让这一切可以在你的 App 内直接完成。

ShazamKit 包含三个核心能力：Shazam 曲库识别、自定义目录识别、以及曲库管理。前两者解决”这是什么音频”的问题，第三个解决”识别到的内容怎么保存”。

Shazam 的技术原理和常见的音频分类器完全不同。SoundAnalysis 框架可以识别”这段音频里有笑声”，但 Shazam 做的是精确匹配：它从音频中提取一种称为 signature（签名）的压缩表示，然后在曲库中寻找完全一致的签名。签名比原始音频小至少一个数量级，且不可逆，无法从签名还原出原始音频。

（05:41）这种设计带来两个好处：网络传输量极小，用户隐私得到保护。

自定义目录识别则把匹配搬到了设备本地。你可以把任意音频（比如教学视频、电视节目）生成签名存入自定义目录，App 在本地就能完成匹配。这在远程教学场景中特别有用：老师播放课程视频，学生端的 App 可以自动同步翻页、显示互动内容，即使暂停或回放也能跟上进度。

（04:13）另一个典型场景是”可购物视频”：观众看电视节目时，App 识别当前画面中的家具，弹出 AR 预览和购买链接。

详细内容

发起一次 Shazam 曲库匹配

ShazamKit 的核心对象是 SHSession。默认初始化时，它会连接 Shazam 云端曲库。

let session = SHSession()
session.delegate = self

let signatureGenerator = SHSignatureGenerator()
try signatureGenerator.append(buffer, at: nil)

let signature = signatureGenerator.signature()
session.match(signature)

关键点：

SHSession() 默认匹配 Shazam 云端曲库，需要在 Developer Portal 中启用 ShazamKit App Service
SHSignatureGenerator 将原始音频数据转换为 signature，这是 Shazam 匹配的核心数据结构
append(buffer, at: nil) 将音频缓冲区追加到生成器中，buffer 是 AVAudioPCMBuffer 类型
signature() 生成最终的签名对象
match(signature) 将签名发送到 Shazam 服务器进行匹配

如果是从麦克风实时获取音频，应该使用 matchStreamingBuffer(_:) 方法，它会自动处理签名生成的细节。

接收匹配结果

匹配结果通过 SHSessionDelegate 回调返回。

extension SongResultViewController: SHSessionDelegate {

    public func session(_ session: SHSession, didFind match: SHMatch) {

        guard let matchedMediaItem = match.mediaItems.first else {
            return
        }

        DispatchQueue.main.async {
            self.songView.titleLabel.text = matchedMediaItem.title
            self.songView.artistLabel.text = matchedMediaItem.artist
        }
    }
}

关键点：

SHMatch 包含一个 mediaItems 数组，因为一个签名可能匹配多首歌曲
matchedMediaItem 是 SHMatchedMediaItem 类型，继承自 SHMediaItem
title 和 artist 是最常用的两个属性，分别对应歌曲名和表演者
回调发生在后台线程，更新 UI 需要切到主线程
每个匹配结果还包含 matchOffset，表示匹配发生在歌曲的哪个时间点

保存到 Shazam 曲库

识别到的歌曲可以保存到用户的 Shazam 曲库中，这个曲库在设备间同步。

guard let matchedMediaItem = match.mediaItems.first else {
    return
}

SHMediaLibrary.default.add([matchedMediaItem]) { error in

    if error != nil {
        // handle the error
    }
}

关键点：

SHMediaLibrary.default 对应用户的 Shazam 曲库，采用端到端加密
只有来自 Shazam 曲库的匹配结果才能写入，自定义目录的匹配结果不能写入
不需要特殊权限，但建议让用户明确知晓并同意
保存的歌曲会标注来源 App 的名称

与 MusicKit 的集成

（13:04）ShazamKit 返回的 SHMediaItem 包含 songs 属性，这是 MusicKit 框架中的强类型对象。你可以直接用它来获取更丰富的音乐元数据，或者跳转到 Apple Music 播放页面。

核心启发

视频背景音乐识别
- 做什么：让用户在编辑视频时一键识别背景音乐并保存歌单
- 为什么值得做：ShazamKit 可以直接处理视频文件的音频轨道，不需要用户切换到其他 App
- 怎么开始：用 AVAssetReader 提取视频音频，传给 SHSignatureGenerator，然后调用 session.match(signature)
课堂同步学习助手
- 做什么：教育 App 根据老师播放的教学视频自动同步显示课件和互动题
- 为什么值得做：自定义目录识别完全在本地完成，不依赖网络，学生即使在家上网课也能获得沉浸式体验
- 怎么开始：参考 code-along session 10045，用 SHCustomCatalog 将课程音频生成签名目录，学生端用 matchStreamingBuffer 实时匹配
社交视频音乐标签
- 做什么：在短视频分享 App 中自动为视频打上背景音乐标签
- 为什么值得做：Shazam 曲库覆盖全球海量音乐，识别准确率高，用户点击标签可直接跳转到 Apple Music
- 怎么开始：上传视频时后台提取音频签名，调用 Shazam 匹配，将 title、artist、artworkURL 存入视频元数据
现场演出互动体验
- 做什么：音乐会或活动现场 App 根据当前播放的歌曲切换灯光效果和视觉主题
- 为什么值得做：matchStreamingBuffer 专为实时音频流优化，延迟低，且返回的 genre 属性可以用来匹配不同的视觉风格
- 怎么开始：用 AVAudioEngine 捕获环境音频，通过 matchStreamingBuffer 持续识别，根据返回的 genre 或 title 切换 UI 主题

关联 Session

Create custom audio experiences with ShazamKit — Code-along 实战：用自定义目录构建教育同步 App
Meet MusicKit for Swift — ShazamKit 返回的媒体项可与 MusicKit 强类型对象直接对接
Classify sound in video with Sound Analysis — 如果需要识别”笑声""掌声”等声音类别，用 SoundAnalysis 而非 ShazamKit

Highlight

核心内容

详细内容

发起一次 Shazam 曲库匹配

接收匹配结果

保存到 Shazam 曲库

与 MusicKit 的集成

核心启发

关联 Session

评论