音訊指紋，或稱 audio fingerprint (AFP)，是利用從音訊上抽取出的一些特徵，來進行音訊的搜尋。常見的應用時機之一，是你聽到廣播當中播放了一首歌，而你想用程式找出它是哪一首的時候。需要注意的是，AFP 演算法只能用於找尋原曲（有少數方法可以允許速度等方面的稍微變化），如果你想藉由人的哼唱來搜尋，請參考哼唱選歌；如果想搜尋重新演奏或翻唱版本，請參考翻唱曲辨識。

一般而言，進行一次查詢時，系統會回覆給你一些（例如十到二十首）候選歌曲，以便告訴你說你要搜尋的可能是這些歌；而如果你在查詢前其實已經知道自己查的是什麼歌，而系統回覆的候選歌曲中，答案排在愈前面的話，你很可能就會認為這個系統愈厲害。因此，音訊指紋常見的評估方式，是 top-n accuracy，以及 mean reciprocal rank (MRR)。假設我們做了 10 次查詢，而標準答案的位置分別在第 3、7、4、2、5、1、2、8、6、6 名的話，則因為 10 次裡面有 1 次是在第一名內，所以 top-1 accuracy 是 1 / 10 = 10%；10 次裡面有 3 次是在前兩名內，所以 top-2 accuracy 是 3 / 10 = 30%，依此類推；而 MRR 則是將標準答案的名次取倒數再平均，以此例而言，是 (1 / 3 + 1 / 7 + ... + 1 / 6) / 10 = 33.85%。