Shazam tidak pernah menggunakan kecerdasan buatan (AI) generatif atau machine learning kompleks di awal kemunculannya untuk mengenali lagu. Algoritma yang membuatnya terasa seperti sihir di tahun 2000-an bahkan saat pertama kali rilis di Inggris pada tahun 2002 via panggilan telepon (Dial 2580) jauh sebelum era smartphone adalah murni mahakarya pemrosesan sinyal digital (digital signal processing) dan struktur database yang brilian. Avery Wang, salah satu pendiri sekaligus otak di balik algoritma Shazam, menciptakan sistem bernama audio fingerprinting (sidik jari audio) yang ringan, super cepat, dan kebal terhadap suara bising di sekitarnya.
Setiap audio yang masuk melalui mikrofon direkam dan dipecah oleh algoritma menjadi spektrogram. Spektrogram adalah grafik 3D yang memetakan tiga hal sekaligus: waktu tempuh, frekuensi (tinggi rendahnya nada), dan amplitudo (volume atau intensitas suara). Alih-alih menyimpan seluruh data rekaman yang ukurannya sangat besar, algoritma Shazam hanya memindai grafik tersebut untuk mencari puncak-puncak frekuensi (peaks) titik-titik di mana sebuah instrumen atau vokal berbunyi paling keras dan dominan. Kumpulan titik-titik puncak ini kemudian membentuk pola unik yang disebut Constellation Map (Peta Rasi Bintang).
Strategi pemetaan puncak inilah yang membuat Shazam tetap akurat meski kamu merekamnya di tengah bar yang bising. Karena Shazam hanya fokus pada titik-titik ekstrem yang paling berisik dari lagu aslinya, noise atau suara obrolan orang di latar belakang otomatis terabaikan secara matematis.
Untuk membuat proses pencarian sepersekian detik menjadi mungkin tanpa membuat server kelebihan beban, Shazam tidak mencocokkan gambar rasi bintang tersebut secara visual. Mereka menggunakan teknik kompresi yang disebut hashing. Algoritma akan mengambil satu titik puncak (disebut titik anchor), lalu menarik garis ke titik-titik puncak lain di dekatnya (disebut titik target). Kombinasi frekuensi dari dua titik tersebut beserta selisih waktunya diubah menjadi sebaris angka yang disebut kode hash. Saat kamu merekam lagu selama 10 detik, ponselmu akan menghasilkan ratusan hingga ribuan kode hash ringkas ini dan mengirimkannya ke server.
Di server utama, Shazam sudah memiliki database raksasa yang berisi miliaran kode hash dari jutaan katalog lagu resmi yang sudah diekstrak dengan cara yang persis sama. Sistem tidak perlu berpikir seperti AI; ia hanya melakukan kueri pencarian database biasa. Jika rentetan kode hash dari ponselmu memiliki lonjakan kecocokan dengan deretan kode hash milik sebuah lagu di database pada garis waktu yang berurutan, sistem langsung menembakkan judul lagu dan nama artisnya ke layarmu. Mahakarya algoritma ini membuktikan bahwa efisiensi komputasi dan matematika terapan yang dieksekusi dengan cerdas mampu melampaui ekspektasi zaman, jauh sebelum hype AI mengambil alih narasi teknologi dunia.
