近年随着多媒体数据成指数级的增长,对于多媒体信息的检索就变得越来越迫切。音频检索技术在相当多的领域都具有极大的应用价值,例如远程教学,卫生医疗,数字图书馆,环境监测,新闻节目检索和娱乐节目的编辑和制作等。本文围绕音频检索的两个分支语音检索和音乐检索进行了探索性的研究。主要工作可以归纳为以下三个部分。基于音节混淆网络的STD检索。利用语音识别技术将广播语音文件转换为混淆网络格式的文本,利用文本检索的相关技术,查询输入的关键词,返回对应的语音文件及其时间信息。通过实验,分析了不同剪枝策略对于系统性能的影响。MIDI音乐的哼唱检索。分析MIDI格式的音频,提取音频中的旋律信息。利用基频提取算法对哼唱查询片段进行旋律提取,并与数据库中音频的旋律进行相似度计算,按相似度高低返回查询结果。通过实验,分析了不同匹配算法对于系统性能的影响。基于声纹的样例检索。采用图形学的相关算法,对查询样例的语谱图提取特征点,利用Hash结构进行特征点匹配,返回相似音频。通过实验,分析了不同的索引结构以及特征提取算法对系统性能的影响。最后,对全文进行总结,并对基于内容的音频检索的前景进行了展望。