专为解决视频中有人说话、解说或环境音干扰而导致传统听歌识曲工具失效而打造的独立音频工具。
传统听歌识曲软件将整段音频视为单一波形进行采样。当视频中夹杂着创作者说话、解说旁白或现场嘈杂声时，前景人声会严重破坏原曲的声学指纹。
BGM Finder 通过在检索音乐数据库前先运行 AI 人声分离模型彻底解决了这一痛点。它能够精准剥离人类对话，为声学指纹提取留下纯净的背景伴奏。人类语音的主要能量集中在 300 Hz 至 3,400 Hz 之间，恰好与决定歌曲听感的旋律泛音、和弦走向及合成器音色高度重叠。通过先分离音轨，识别引擎才能在不受人声干扰的情况下精确比对背景音乐。
从您提交链接或文件的瞬间开始，后台处理的具体流程如下：
直接从提供的链接或上传文件中抽取音轨，在内存中进行高保真无损解码并执行音量与采样率标准化。
当语音干扰识别时，开源神经网络分离模型（UVR5 MDX-Net ONNX）会进行时频相位感知掩码计算，在强力压制人类对白的同时，完整保留旋律线、低音贝斯、打击乐节奏及背景和声。
分离出的纯伴奏音频会被转换为声学特征指纹。系统将这些指纹哈希与 Shazam 音乐曲库比对，并结合 YouTube 视频简介中的官方音乐版权信息，以验证歌曲标题、艺术家及专辑信息。
查看经过验证的歌曲元数据，并提供直达 Spotify、Apple Music 和 YouTube 的播放链接。对于上传的音视频文件，可在浏览器中直接试听或下载 15 秒分离出的纯伴奏音轨。
您可以直接粘贴或上传至 BGM Finder 的内容范围：
支持常规视频、youtu.be 短链、Shorts 及直播回放
支持带时间戳的链接（例如 ?t=1m30s），针对2分钟以上的长视频提供可视化交互式片段选择器。
网页链接、App 分享链接以及原声页面
直接粘贴链接即可。即使作者有大段说话解说，分离引擎也能分离出底层背景音轨。
Reels、动态视频帖子与快拍（Stories）
全面兼容 Reels 链接。特别适合健身教学、美食烹饪和日常 Vlog 等持续有人声解说的视频背景音识别。
MP3、WAV、MP4、M4A、AAC、WebM、FLAC（最大 25MB）
可将屏幕录制片段、语音备忘录或已下载的视频片段直接拖入浏览器上传区域。
免注册、不永久保存、零追踪
所有音频片段完全在服务器临时内存中运行，搜索完成后 30 分钟内自动彻底清除。我们绝不持久化存储用户文件，亦不分发未经授权的版权音频。
神经网络识别系统的能力范畴与无法识别的特定场景
BGM Finder 专为识别已发行的商业音乐与录音作品而优化。系统无法识别未公开发行的自制 Remix、即兴现场弹奏、未在主流流媒体上架的独立游戏原声，以及被极度非人声噪音（如连续的赛车引擎轰鸣、密集枪炮声或震耳尖叫）完全淹没的片段。此外，待检测的视频链接必须是无需登录即可直接公开访问的链接。
Developer & Maintainer
Hi, I'm Srajan, an independent developer based in India. I built BGM Finder to solve a personal frustration: identifying background music in video clips when speech, narration, and background noise overwhelm standard recognition tools. Combining neural vocal separation with acoustic fingerprinting, it isolates backing tracks so creators and music enthusiasts can discover songs without friction.
Have questions, suggestions, or feedback? Reach out directly at [email protected].
立即在首页粘贴视频链接或拖入文件，秒级识别背后的背景音乐。
立即开始识别