Áudio com direitos autorais desativado no vídeo do YouTube - como eles sabiam?

Postei um vídeo no YouTube (SFW) quase dois anos atrás, com uma trilha sonora ambiente retirada de uma música do Aphex Twin (que eu creditei no final do vídeo). Após quase 3000 visualizações, o áudio foi retirado e um aviso de direitos autorais anexado em nome do proprietário do conteúdo (WMG). Ele diz: "Conteúdo de terceiros correspondente". Isso é justo o suficiente.

O que me fascina é como eles descobriram que o áudio era, bem, desonesto? Alguém sabe como isso acontece? Não pode ser um processo manual, pode? Alguém tocando todos os vídeos e de repente dizendo: "Ei! Eu conheço essa música!"?

EDIT: veja "O Google procura lucrar com conflitos de direitos autorais no YouTube ", o que parece apoiar a resposta de Olly, e é por isso que estou aceitando esse.

Meu palpite é que eles estão comparando o áudio dos vídeos com algum tipo de banco de dados de impressões digitais acústicas . Quando eles encontram uma correspondência com algo que eles sabem ser protegido por direitos autorais, eles desativam o áudio.

O YouTube usa um sistema chamado ContentID. Basicamente, no momento em que o arquivo é carregado, ele é analisado e comparado com um banco de dados de material conhecido enviado pelas gravadoras, juntamente com uma política do que precisa ser feito quando uma correspondência é encontrada.

Aqui está um vídeo do TED que explica tudo muito bem.

Pode ter sido alguém (ou provavelmente várias pessoas) denunciando o vídeo - você teve 3000 visualizações, o que é suficiente para alguém reconhecer a trilha sonora e perceber que você não tinha uma licença.

Poderia ser algo como o Shazam , que sempre me deixa desconcertado em como funciona. Você telefona para um número, deixa o serviço ouvir a música que está ouvindo e, em um minuto ou mais, recebe uma mensagem de texto com o artista e a faixa. É francamente bastante assustador. Eu acho que o Google poderia estar fazendo algo semelhante ou usando a tecnologia.

O YouTube faz muitas coisas para analisar o áudio. Um deles é o discurso em texto para exibir os anúncios certos. Outro acontece por combinar algum tipo de hash para identificar músicas pertencentes às gravadoras.