Consulta cantarolada é um tópico comum em recuperação de informação musical. Na tarefa deconsulta cantarolada, uma gravação cantarolada, representando imprecisamente uma melodia dereferência, é enviada para uma aplicação, que tem como objetivo recuperar a melodia de referência.Para realizar tal tarefa, um algoritmo precisa lidar com as diferenças entre a consulta e a melodiade referência, tanto no domínio do tempo quanto no domínio da frequência.Neste trabalho revemos técnicas aplicadas em trabalhos comerciais e acadêmicos, em parti-cular alguns algoritmos apresentados na conferência internacional de recuperação de informaçãomusical (ISMIR), bem como a aplicação comercial Soundhound. Este trabalho compara resultadosdo desempenho das técnicas estudadas utilizando um amplo banco de dados aberto de consultascantaroladas.O objetivo principal deste trabalho é comparar estratégias de alinhamento, extração de caracte-rísticas, rankeamento e processamentos para a tarefa de consulta cantarolada, destacando desafios,vantagens e qualidades de cada estratégia. Além disso, analisamos a confiabilidade de uma ferra-menta comercial e comparamos seus resultados com os de outras abordagens.

Query-by-humming is a common topic in music information retrieval. In the query-by-hummingtask a hummed record, representing imprecisely a target melody, is given to an application whichis supposed to retrieve the target melody from a dataset. Any algorithm addressing this task hasto handle the deviations between query and target melodies in both time and frequency domains.This work reviews standard techniques presented in the academic literature and in commercialapplications. Algorithms presented in the conference of the international society for music infor-mation retrieval (ISMIR) are reviewed, as well as the commercial application Soundhound, whichare explored and tested. This work compares the performance of several strategies for query-by-humming within a unified query dataset.The main goal of this work is to compare strategies of matching, feature exctration, ranking andprocessing for query-by-humming, highlighting qualities of each strategy. Also, the performance ofa commercial tool is evaluated and compared to other approaches.