Bildiğim kadarıyla cevaplamaya çalışayım, aslında mantığının shazam ile aynı olduğunu düşünüyorum. Gelen sesin frekanslarını alıyorlar veritabanındaki frekanslar ile karşılaştırma yapıyor olabilirler.

Shazam çalışma algoritmasını inceleyerek daha fazla bilgi edinebilirsiniz.