大半个月了，我终于算满意了现在的版本。之前我弄了一个飞牛系统整理工具，里面多有一个去重功能涉及到音乐去重，当时只是一个简单的使用SHA-256去重，这个属于文件去重那一套，类似相同文件算法去重，对于音乐来说可能同一首歌有MP3、FLAC、APE、WAV等多种版本，这样SHA-256去重就失效了。
所以当时就有网友提了一个这样的问题。
文件名与编码整理
因为这个也正是我需要的功能，我觉得可以从音乐的频谱开始区分一首歌，然后我就开始用我多年前收集的音乐文件，大概几百首开始边写去重边测试。本来以为是个简单的音乐频谱一分就可以区分的，结果问题就来了：同一首歌乱码文件名、繁体标签、缺封面的专辑、一首歌在几个文件夹里各有一份……有的MP3,有的FLAC，有的就是APE。
其实我最先开始按"歌手 / 专辑 / 歌名"把散落一地的文件重新归位，顺手把古早windows千千静听那个时代下载歌曲中的 GBK 乱码标签修复成 UTF-8，繁体转简体。那时候我觉得这就够了。
但是我的文件有的歌曲，不是所有的文件名都像歌手-歌名.后缀名这样的排列，有的中间还夹杂了当初下载地的音乐网站名在里面。但是在一些播放器中又能正确的识别出歌曲名，甚至有封面，说明歌曲的TAG信息中是正确的，所以我想到从TAG信息中提取歌手-歌名的方式，当我批量提取的时候，发现有部分歌曲是反过来的，文件名是正确的，TAG信息里面是杂乱的。
举例一些碰到的坑：
- 同一首歌，MP3 320k 一份，FLAC 一份，APE 一份，码率还都不一样；
- 下载站习惯把水印写进标签，比如《六月飞霜 角落音乐bbs.in-corner》，还有那种"认了吧 搜啦EP - 全球华语Demo音乐网 www.sosolala.com"；
- 有些工具会把
kuwo这种占位符写进 artist/title，导致完全不相干的两首歌被当成"同名"； - 更绝的是，有些文件开头是垃圾字节（下载工具失败重试时把 JSON 错误写进了文件头），标签工具直接读不出来。
光这一个"同曲识别"，就被水印、占位符、垃圾头坑了三个小版本（0.5.0 → 0.5.2）：先是把下载站的广告词从标签和文件名里洗掉再匹配，再修"kuwo 占位符导致误判"，再修"垃圾头文件评分归零被误淘汰"。
码率与音频指纹
光一个同名就搞了半天，把名字统一之后，我天真的以为再找码率相同，就可以去掉了吧。但是同一首歌有的音源不一样，码率也不相同，虽然人耳👂听的都是一样的，但是计算机却认为不一样，以至于我在这里疑惑很久，为什么没有自动去重掉。
这个时候我求助了互联网，知道了一种音频指纹的技术。所以改成：先用 SHA-256 做精确去重，再用 Chromaprint 音频指纹（就是给歌曲"按音轨内容"算指纹，同一首歌不管码率格式，指纹能对得上）识别"同曲不同版"，最后按音质评分（格式权重 + 码率 + 采样率）自动留下最好的那份。
终于是小有成就！
But……
兜底之战
但实际上标准化歌曲的文件名都没有完全做完了，批量下来总有一些音频文件的文件名弄错了，我回退之后发现之前文件名是对的，经过批量计算还错了，很多都是因为音乐标签的原因，我知道了我上面的方法并不能完美的覆盖所有的音乐文件。
所以我想到了只有彻底先解决音乐标签的正确率的问题，然后用音乐标签再来反过来修改音乐文件名，保证文件名对，就可以让同名不同后缀的对比跑起来，先SHA-256快速去重完全一样的，再用音频指纹找出相同的歌曲不同版本中音质较好的保留，这才是完整的闭环。
所以我找寻了各种标签补全的方案后，顺带想既然能标签补全，多数音乐文件实际上还可以内嵌封面和歌词，但是我需要对于漏网之歌需要单独试听，这个时候再去不同的播放器里来回切换既低效又愚蠢，就顺手弄了个播放器，那播放器的基本功能是要覆盖的吧，所以基础的播放器也有了，只是没有专注解码和提升音质效果，基本的听个响是可以的。于是下面的一系列工作花了一周多才渐渐补齐：
- 标签补全：先用 MusicBrainz（免费免 key）查文本，后来发现华语歌还是 iTunes 的 Search API 好使（
country=CN直接返回中文标签，晴天的歌手是"周杰伦"而不是"Jay Chou"），就改成 iTunes 为主、MusicBrainz 兜底； - AI 兜底：冷门歌数据库里没有，就接了个 OpenAI 兼容接口让它"听"文件名和已有标签猜，结构化输出 + 预览确认，防止幻觉；
- 封面：没内嵌封面的，按"歌手+专辑"去 iTunes 在线抓 600x600 的图；歌手头像也顺手用代表专辑封面顶上了（本来想用 Deezer 的头像 API，结果这网络根本连不上，白折腾）；
- 歌词：内嵌 LYRICS 字段 + LRCLIB 在线检索，还遇到一个"IPv6 黑洞"——部分网络下请求直接挂起，最后强制 IPv4 才解决；
- 播放器：本来只想加个试听，后来越加越多——播放队列、切歌、播放模式、全屏界面、悬浮歌词、音量快捷键、系统媒体控制（锁屏能切歌）、播放历史、收藏……
到这里我已经彻底忘记最初"整理工具"的设定了。
最后一步：听歌识曲
音乐库收拾干净后，总还有几首"漏网之鱼"——标签全错的歌，数据库查不到，AI 也猜不准。
整理还是不完美——因为好多歌的标签是空的、错的。标签不对，整理出来的目录就乱。于是我想到现在在大多数大厂的播放器中流行的“听歌识曲”的技术。我用批量整理之后得到的大部分音乐文件已经把标签、去重都做了，少部分的只有人工单曲自己去听来兜底，但是我听过的歌未必记得住专辑和年代，甚至有的时候歌名都不记得，只是觉得熟悉，所以这个时候听歌识曲，知道正确的歌名再到互联网上搜索歌曲信息就简单的多，这就是我当下的思路。
人听不了，那就直接用机器"听"吧。用 Chromaprint 指纹查 AcoustID 的众包库——结果华语歌覆盖感人，一堆经典中文歌都查不到（众包库对华语不友好是常态，不是 bug）。
于是又接了两条兜底：ShazamIO（逆向 Shazam，免费免 key，华语覆盖好）和 ACRCloud（需要申请 key，但准确率能到 100 分，可惜只有14天的免费试用）。三条路可以自己在设置页勾选，按顺序试，命中即停。实测许嵩的《乌鸦》、周杰伦的《Mojito》都能命中。
听歌识曲之后自动把标签标记出来，你同意就修改。记住标签正确才是整理、去重的基础。
半个月，20 多个版本
从 0.1.0 到 0.20.1，中间踩过的坑远不止上面这些：
- 回收站放应用数据目录里，卸载升级会被清空，导致已清理的文件没法还原——最后迁到音乐库根目录的隐藏目录，卸载也不怕；
- 后端有一类"global 变量没声明"的隐蔽 bug 踩了两次坑，干脆把配置全部改成对象化，根治；
- 服务端 800 多行的路由全挤在一个方法里，拆成了 5 组子方法；
- 前端一个 main.js 3000 多行，环境没 node 没法拆文件自动验证，就做了"分区索引 + 结构测试"……
回头想想，那句"能不能尽量清理，只留一个大的"挺值钱的——没有它，这工具大概永远只是个整理脚本。一个朴素的需求，加上一堆"顺手的事"，最后就滚成了一个大雪球。
下载地址
https://atomgit.com/kyeo/musicmate/releases/download/v0.20.1/musicmate_0.20.1_x86.fpk
最后
这个项目刚完成没几天，飞牛NAS就更新了，这次正式发布了飞牛音乐，祝贺🎉