L'importance de la longueur des segments : étude de l'impact des longueurs de segments sur les performances de l'identification audio

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

L'empreinte audio fournit une représentation identifiable des signaux acoustiques, qui peut ensuite être utilisée pour des systèmes d'identification et de recherche. Pour obtenir une représentation discriminante, l'audio d'entrée est généralement segmenté en intervalles temporels plus courts, permettant l'extraction et l'analyse de caractéristiques acoustiques locales. Les approches neuronales modernes opèrent typiquement sur des segments audio courts et de durée fixe, pourtant le choix de la durée des segments est souvent fait de manière heuristique et rarement examiné en profondeur. Dans cet article, nous étudions comment la longueur des segments affecte les performances de l'empreinte audio. Nous étendons une architecture neuronale existante d'empreinte audio pour adopter différentes longueurs de segments et évaluons la précision de la recherche sur différentes longueurs de segments et durées de requête. Nos résultats montrent que les courtes longueurs de segments (0,5 seconde) obtiennent généralement de meilleures performances. De plus, nous évaluons la capacité des LLM à recommander la meilleure longueur de segment, ce qui montre que GPT-5-mini donne systématiquement les meilleures suggestions parmi cinq considérations chez les trois LLM étudiés. Nos résultats fournissent des conseils pratiques pour sélectionner la durée des segments dans les systèmes neuronaux de recherche audio à grande échelle.

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.