给动机录音做备份时，我把「同名不同版本」的坑踩了一遍

上个月整理硬盘，发现一个尴尬的事实：同一段八小节动机，我在三个地方存了七个版本，文件名从 idea_0712.m4a 到 idea_0712_最终.m4a、idea_0712_最终2.m4a，最后一次修改时间横跨四个月。用的是 macOS 14.5，录音来源杂：手机语音备忘录、Logic 里导出的 48kHz WAV、还有两次用 Audio Hijack 抓的系统内录。总共约 9.2GB，1600 多个文件。想做个干净备份前，得先把「哪些是同一段的变体」分出来，不然备份只是把混乱复制一遍。

我的做法很土：先不按文件名，按音频指纹分组。用 ffmpeg 统一转成 16kHz 单声道，再算一个粗糙的频谱均值向量当签名。命令片段如下，可以直接改路径跑：

for f in ~/Motifs/**/*.{m4a,wav,mp3}; do
  base=$(basename "$f")
  ffmpeg -v error -i "$f" -ac 1 -ar 16000 -t 60 \
    -f s16le - | sha1sum | cut -d' ' -f1
  echo "$base"
done

注意 -t 60 是故意截前 60 秒，因为多数动机短于这个长度，长录音里前 60 秒往往能覆盖主段。算出来的哈希只用来做「候选分组」，不追求精确匹配。

为什么这样做：文件名和修改时间都不可靠。手机导出的文件时间会乱，最终 后缀更是自我欺骗；但音频内容本身骗不了人。代价是这方法对「同段动机不同调性、不同速度」不敏感，会把它们分到不同组——这正好是我想要的，因为调性版本我确实想分开存。

哪里会失效：第一，前 60 秒如果包含说话、环境噪音或空白，哈希会完全不同，同一段动机也会被拆开；我后来改成先跑 silencedetect 跳过静音段再算。第二，sha1sum 对浮点误差零容忍，同一文件从不同设备导出，即使听感一样，哈希也几乎不会撞上。所以它只能当「分堆」的起点，不能当「去重」的终点。第三，** 通配在默认 zsh 下行为不同，我一开始漏了一半文件，后来显式用 find 才对齐。

现在我的备份结构是：一个 _raw 原样不动，一个 _grouped 按指纹分文件夹，每个组里保留最早时间和最大码率的版本，其余进 _archive。还没解决的是跨调性版本的命名，目前只能手动听。你们遇到同名不同版本的动机时，是留着全部还是只留一个？