211service.com
Datoru ieviešana
Datori ir mainījuši mūzikas producēšanu, izplatīšanu un patēriņu, taču, iesakot labu melodiju, to joprojām ļoti trūkst.
Izklausās līdzīgi: Facebook spēli Herd It izmanto Kalifornijas Universitātes Sandjego pētnieki, lai klasificētu mūziku dažādos žanros.
Ir daudz ieteikumu sistēmu. iTunes piedāvā Genius, kas veido atskaņošanas sarakstus un iesaka mūziku, salīdzinot kolekciju ar citu lietotāju kolekcijām, un daudzas uz mūziku orientētas sociālo tīklu vietnes piedāvā ieteikumus, kuru pamatā ir tas, ko klausās personas draugi. Tagad pētnieki Kalifornijas Universitātē Sandjego (UCSD) izmanto mašīnmācīšanos kopā ar Facebook spēli, lai klasificētu mūziku, pamatojoties uz dziesmu automatizētu analīzi.
Gerts Lankrets , UCSD docents, kurš strādā pie projekta, saka, ka automatizētā pieeja, ko izmanto viņa grupas mūzikas meklēšanas un ieteikumu dzinējs, nozīmē, ka tā var analizēt milzīgu daudzumu dziesmu, potenciāli sniedzot lietotājiem ieteikumus no daudz lielākas mūzikas bibliotēkas. Sistēma var arī pieņemt spriedumus par dziesmām, kuras tā nekad iepriekš nav saskārusies.
UCSD pētnieki vēlas, lai viņu sistēma varētu atzīmēt dziesmas, lai lietotāji varētu meklēt ne tikai pēc izpildītāja vai dziesmas nosaukuma, bet arī pēc žanra, instrumenta un pat aprakstošiem vārdiem, piemēram, romantisks vai spokains. Paturot prātā šo mērķi, viņi apkopo informāciju par dziesmām, izmantojot Facebook lietojumprogrammu Herd It. Spēle piešķir lietotājiem punktus, kad viņi atzīmē dziesmas tādā veidā, kas atbilst citu lietotāju atzīmēm, savācot milzīgu datu apjomu.
Kad šie dati ir savākti, Lanckrit saka, ka pētnieku sistēma sagrupē dziesmas atbilstoši lietotāju piešķirtajām atzīmēm, pēc tam meklē atšķirīgus modeļus pašā mūzikā. Tā izmanto statistisko analīzi viļņu formas modeļiem, kas attēlo katru dziesmu, meklējot kopīgas iezīmes dziesmām, kas sagrupētas pēc atzīmes.
Apmēram 90 procentus laika, saka Lankrits, sistēma identificē modeļus, kas parasti ir slēpti. Piemēram, modeļi, kas identificē hiphopa dziesmu, var ietvert tipisku hiphopa ritmu, kā arī elementus, kurus klausītājs neatpazīst kā dziesmu paraugu. Vidēji šīs automātiskās atzīmes paredz citu cilvēku [atzīmes] gandrīz tikpat precīzi, kā to spēj konkrēta persona, saka Lankrits.
Pētnieki pašlaik strādā pie vairāk datu savākšanas, lai apmācītu savu sistēmu, un Lanckrit uzskata, ka sistēmai ir komerciāls potenciāls. Viņš paredz sistēmu, kas varētu paņemt nepazīstamu dziesmu — no neatkarīgas grupas vai pat kaut ko, kas ierakstīts lietotāja garāžā — un pēc tam to analizēt un ieteikt atbilstošus tagus un līdzīgu mūziku.
Populārā interneta radio vietne Pandora veic līdzīgu pakalpojumu, sadalot dziesmas un analizējot to atribūtus. Vietne, kas dibināta 2000. gadā, ļauj lietotājiem izvēlēties dziesmu vai izpildītāju un pēc tam atrast līdzīgas dziesmas. Lietotāji var ātri precizēt rezultātus, lai izveidotu ļoti personalizētu straumēšanas radiostaciju.
Taču saskaņā ar teikto Pandora tehnoloģija ir 100% manuāla Tims Vestergrēns , uzņēmuma galvenais stratēģijas vadītājs un dibinātājs. Caur Mūzikas genoma projekts , mūziķu komanda novērtē dziesmas, ieskaitot tās pēc 400 dažādiem atribūtiem. Kad šie atribūti ir identificēti, Westergren saka, ka ieteikumu sniegšana lietotājiem ir diezgan vienkārša. Viņš saka, ka Pandora ir gatava iekļaut automatizētākas pieejas dziesmu analīzei, taču piebilst: mēs vēl neesam atraduši tādu, kas, mūsuprāt, patiešām sniegtu pievienoto vērtību tam, ko mēs darām.
Arī citi uzņēmumi strādā pie automātiskas mūzikas analīzes. Atbalss ligzda , startup, kas atrodas Somervilā, MA, pārveido dziesmu viļņu formas atbilstoši simulācijām, kā cilvēka auss dzird mūziku. No turienes Echo Nest sistēma izmanto filtrus, kas identificē dziesmas iezīmes, piemēram, tempu un augstumu, saskaņā ar uzņēmuma līdzdibinātāju un CTO. Tristans Džehans .
Kad tas ir izdarīts, Echo Nest sistēma apvieno šo informāciju ar marķēšanas informāciju, kas iegūta no emuāriem un citiem datiem, kas publicēti internetā. Pēc tam tas izmanto mašīnmācības algoritmus, lai identificētu dziesmu funkcijas, kas parasti ir saistītas ar noteiktiem tagiem, līdzīgi kā to dara UCSD pētnieku programmatūra.
Atšķirība, pēc Džehana domām, ir tā, ka tā vietā, lai identificētu sarežģītus modeļus viļņu formās, Echo Nest programmatūra koncentrējas uz funkcijām, kuras atpazītu klausītājs.
Forrester Research analītiķis Sonāls Gandijs , kurš seko mūzikas industrijai, saka, ka automatizētākas mūzikas meklēšanas un ieteikšanas metodes varētu kļūt svarīgas, jo mūzika pēc pieprasījuma kļūst arvien populārāka un vietnes izjūt lielāku spiedienu, lai palīdzētu lietotājiem atrast jaunu mūziku.
Tims Krofords , Londonas Goldsmita universitātes skaitļošanas muzikoloģijas vecākais pasniedzējs, saka, ka, lai gan mūzikas analīze, izmantojot datorus, ir ļoti interesanta un daudzsološa pētniecības joma, būs grūti izveidot vispārēju un pilnībā automātisku mūzikas meklētājprogrammu. Mūzikas līdzība ir tik personiska un mainīga lieta, saka Krofords. Divi smagā metāla skaņdarbi var šķist ļoti līdzīgi tādam klasiskās mūzikas ekspertam kā es, bet pilnīgi atšķirīgi smagā metāla entuziastam, kurš savukārt var uzskatīt Brāmsa un Čaikovska mūziku par ļoti līdzīgu, kas man būtu smieklīgi.