Repérer un évènement audio (niveau et/ou fréquence du signal) dans une video

Bonjour à tous,

Je cherche une librairie qui me permette de réaliser la chose suivante :
- ouvrir et lire quelques secondes seulement la piste audio d'une video (au format .MP4),
- analyser le flux pour y reperer un évènement audio (2 petits bips qui seront émis de façon très reproductible), de façon à connaitre le timecode de la video correspondant à ces petits bips.

En gros je voudrai savoir à quelle frame (ou quel timecode précis : précision microsecondes si possible) ces bips interviennent de façon à synchroniser automatiquement des vidéos.

Je ne cherche pas à jouer le son, simplement à l'analyser.

J'ai trouvé bien des librairies qui semblent pouvoir faire ça, mais j'aimerai votre avis : quelle est la librairie open source la plus simple pour implémenter rapidement cette fonction (ce n'est pas une application critique) ?

Je souhaiterai ne pas avoir à me pencher sur ffmpeg vu la complexité d'implémentation, et il me semble qu'une librairie comme PORTAUDIO pourrait convenir ? Qu'en pensez-vous svp ? Connaissez vous d'autres librairies de traitement audio qui conviendraient (win32 ou multiplateformes) ?

Merci d'avance pour vos réponses ;)