我收集了许多媒体文件，其中大部分是音乐，其中许多是多年前从CD导入的。此收藏已在不同的媒体播放器，不同的文件系统，不同的计算机等之间多次转移。在此过程中，一些曲目被意外复制。我还一直在尝试整理这些数据的元数据并正确标记所有内容，因为当许多元数据最初被导入时，我没有精美的媒体播放软件，甚至没有意识到ID3标签表明一切都只是“在经典专辑“专辑”中跟踪“％d”。
这会造成一种情况，我有一些文件具有最新的元数据，但是“复制”了我要删除的同一媒体文件，但其元数据未正确更新。由于元数据存在于文件中，因此这些文件的内容现在有所不同，并且像liten2之类的工具无法使用。
我的问题是:是否有一个我可以使用的库，可以方便地提取仅文件媒体内容的唯一标识指纹(可能是SHA-1哈希，但这不是硬性要求)，而忽略元数据？如果可以，该如何使用？
最佳答案
Echoprint是一种免费的方式来根据其内容对音频进行指纹识别-即，它不依赖于元数据，也不依赖于字节精确的数据匹配。他们的常见问题解答中有一个条目"I want to deduplicate a big collection"。
我认为它的核心本身不是python，而是Web API-但它们提供了pyechonest库。