互相关，找到最大值，并使用它来抵消一个文件与另一个文件。

同一首音乐的两个不同录音的速度通常会略有不同。您究竟想要同步什么：开始、结束或两者兼而有之？

您使用互相关来找出开始的差异和结束的差异。如果要同时同步两者，则需要对其中一个文件进行时间拉伸以匹配另一个文件的长度。

您得到的关于互相关函数的两个答案都非常有效，并且正如 Hilmar 所说，可能存在一些（大小取决于记录系统和其他可能的拓扑和环境因素）漂移/不一致的速度和/或捕获样品。

有大量关于互相关及其在延迟估计中的应用的科学文章，其中许多用于麦克风阵列中的到达方向 (DoA) 估计。

一般来说，您可以使用广义互相关函数（有关更多信息，您可以查看 Benesty、Chen 和 Huang 的“麦克风阵列信号处理”，或通用数字信号处理教科书，例如“数字信号处理 - 原理, 算法与应用"Proakis 和 Manolakis）来估计延迟。如果您对设备的稳定性有足够的信心，您可以对整个录制执行此操作，或者您可以对录制的块执行相同的操作，以估计每一帧的延迟。这可以提供一些洞察两个记录之间的速度/延迟的可变性。当然，如果您选择太小的数据帧，您可能会遇到错误的估计，因为相关算法需要足够的数据才能给出“好的”结果（它们最初是在统计基础上得出的）。

互相关函数最大值的索引应提供两次记录之间延迟（以样本为单位）的估计值，负值表示参考滞后于第二次记录。除此之外，许多作者（例如在Manolakis、Ingle 和 Kogon 的“统计和自适应信号处理 - 频谱估计、信号建模、自适应滤波和阵列处理”中）指出只有部分互相关函数是有效的，至于大滞后，音频信号的样本之间的相关性非常弱（简要说明）。当然，由于我们讨论的是完全相同的记录，因此此假设可能不适用于您的情况，但“不信任”大滞后值是一种好习惯。

此外，您还可以查看一篇论文（ Stefanakis 和 Mouchtaris 撰写的“Synchronization Ambiguity in Audio Content Generated by Users Attending the Same Public Event”），说明在尝试同步同一事件的不同录音时存在一些歧义。不过，这可能与您的应用程序相关，也可能不相关。