L'importanza della Lunghezza del Segmento: Uno Studio sugli Effetti delle Lunghezze dei Segmenti sulle Prestazioni dell'Identificazione Audio

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

January 25, 2026

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

cs.AI

Abstract

L'impronta digitale audio fornisce una rappresentazione identificabile dei segnali acustici, che può essere successivamente utilizzata per sistemi di identificazione e recupero. Per ottenere una rappresentazione discriminativa, l'audio in ingresso viene solitamente segmentato in intervalli temporali più brevi, consentendo l'estrazione e l'analisi di caratteristiche acustiche locali. Gli approcci neurali moderni operano tipicamente su segmenti audio brevi e di durata fissa, tuttavia la scelta della durata del segmento viene spesso effettuata euristicamente e raramente esaminata in profondità. In questo articolo, studiamo come la lunghezza del segmento influisce sulle prestazioni dell'impronta digitale audio. Estendiamo un'architettura neurale esistente per l'impronta digitale per adottare varie lunghezze di segmento e valutiamo l'accuratezza del recupero per diverse lunghezze di segmento e durate delle query. I nostri risultati mostrano che lunghezze di segmento brevi (0,5 secondi) generalmente raggiungono prestazioni migliori. Inoltre, valutiamo la capacità degli LLM di raccomandare la lunghezza del segmento ottimale, dimostrando che GPT-5-mini fornisce costantemente i suggerimenti migliori tra cinque considerazioni nei tre LLM studiati. I nostri risultati forniscono una guida pratica per la selezione della durata del segmento nei sistemi neurali di recupero audio su larga scala.

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.