Segmentlänge von Bedeutung: Eine Studie zu Segmentlängen und deren Einfluss auf die Leistungsfähigkeit von Audio-Fingerprinting

Segment Length Matters: A Study of Segment Lengths on Audio Fingerprinting Performance

January 25, 2026

papers.authors: Ziling Gong, Yunyan Ouyang, Iram Kamdar, Melody Ma, Hongjie Chen, Franck Dernoncourt, Ryan A. Rossi, Nesreen K. Ahmed

cs.AI

papers.abstract

Audio-Fingerprinting bietet eine identifizierbare Darstellung akustischer Signale, die später für Identifikations- und Retrieval-Systeme verwendet werden kann. Um eine diskriminative Repräsentation zu erhalten, wird das Eingabe-Audio üblicherweise in kürzere Zeitintervalle segmentiert, wodurch lokale akustische Merkmale extrahiert und analysiert werden können. Moderne neuronale Ansätze arbeiten typischerweise mit kurzen Audio-Segmenten fester Dauer, doch die Wahl der Segmentdauer erfolgt oft heuristisch und wird selten eingehend untersucht. In dieser Arbeit untersuchen wir, wie sich die Segmentlänge auf die Leistung von Audio-Fingerprinting auswirkt. Wir erweitern eine bestehende neuronale Fingerprinting-Architektur, um verschiedene Segmentlängen zu unterstützen, und bewerten die Retrieval-Genauigkeit über verschiedene Segmentlängen und Abfragedauern hinweg. Unsere Ergebnisse zeigen, dass kurze Segmentlängen (0,5 Sekunden) generell eine bessere Leistung erzielen. Darüber hinaus evaluieren wir die Fähigkeit von LLMs, die beste Segmentlänge zu empfehlen, wobei sich zeigt, dass GPT-5-mini unter drei untersuchten LLMs konsistent die besten Vorschläge über fünf Bewertungskriterien hinweg liefert. Unsere Erkenntnisse bieten praktische Orientierungshilfen für die Auswahl der Segmentdauer in großen neuronalen Audio-Retrieval-Systemen.

English

Audio fingerprinting provides an identifiable representation of acoustic signals, which can be later used for identification and retrieval systems. To obtain a discriminative representation, the input audio is usually segmented into shorter time intervals, allowing local acoustic features to be extracted and analyzed. Modern neural approaches typically operate on short, fixed-duration audio segments, yet the choice of segment duration is often made heuristically and rarely examined in depth. In this paper, we study how segment length affects audio fingerprinting performance. We extend an existing neural fingerprinting architecture to adopt various segment lengths and evaluate retrieval accuracy across different segment lengths and query durations. Our results show that short segment lengths (0.5-second) generally achieve better performance. Moreover, we evaluate LLM capacity in recommending the best segment length, which shows that GPT-5-mini consistently gives the best suggestions across five considerations among three studied LLMs. Our findings provide practical guidance for selecting segment duration in large-scale neural audio retrieval systems.