音频比较程序可以通过以下步骤实现：
录制音频样本
使用Python的`sounddevice`库录制两段音频样本，一段作为目标音频，另一段作为待对比音频。
提取音频特征
从音频中提取特征，常见的特征包括频谱特征、时域特征和梅尔频率倒谱系数（MFCC）。
可以使用快速傅里叶变换（FFT）将时域信号转换为频域信号，从而得到音频的频谱。
计算音频相似度
常用的相似度计算方法包括欧氏距离、余弦相似度和动态时间规整（DTW）。
也可以通过计算音频信号的物理特征值相关系数来进行比较，例如时域帧序列、过零率、谱质心和梅尔倒频系数。
```python
import sounddevice as sd
import numpy as np
from scipy.signal import welch
def record_audio（filename, duration, sample_rate）:
设置录音参数
sd.default.samplerate = sample_rate
sd.default.channels = 1
开始录音
audio = sd.rec（int（duration * sample_rate））
sd.wait（） 保存音频文件
sd.write（filename, audio, sample_rate）
def extract_mfcc（filename, n_mfcc=13）:
读取音频文件
audio, sample_rate = sd.read（filename）
计算短时傅里叶变换（STFT）
f, Pxx = welch（audio, fs=sample_rate, window='hann', nperseg=1024）
提取MFCC特征
mfcc = np.mean（Pxx.T, axis=0）
return mfcc
录制音频样本
record_audio（'target.wav', duration=10, sample_rate=44100）
record_audio（'compare.wav', duration=10, sample_rate=44100）
提取MFCC特征
target_mfcc = extract_mfcc（'target.wav'）
compare_mfcc = extract_mfcc（'compare.wav'）
计算相似度
similarity = np.corrcoef（target_mfcc, compare_mfcc）[0, 1]
print（f'MFCC相似度： {similarity}'）
```
这个示例展示了如何使用`sounddevice`库录制音频，并使用`scipy.signal.welch`计算短时傅里叶变换（STFT）来提取MFCC特征，然后计算两个音频样本的MFCC特征之间的相关系数作为相似度。
根据具体需求，你可以选择不同的特征提取方法和相似度计算方法，以适应不同的应用场景。