211service.com
Kompiuterių įsisavinimas
Kompiuteriai padarė perversmą kuriant, platinant ir vartojant muziką, bet kai reikia rekomenduoti gerą melodiją, jų vis dar labai trūksta.
Skamba panašiai: „Facebook“ žaidimą „Herd It“ naudoja Kalifornijos universiteto San Diege mokslininkai, norėdami suskirstyti muziką į skirtingus žanrus.
Yra daugybė rekomendacijų sistemų. „iTunes“ siūlo „Genius“, kuri kuria grojaraščius ir siūlo muziką, lygindama kolekciją su kitų vartotojų kolekcijomis, o daugybė į muziką orientuotų socialinių tinklų svetainių siūlo rekomendacijas, įkvėptas to, ko klausosi žmogaus draugai. Dabar Kalifornijos universiteto San Diege (UCSD) mokslininkai naudoja mašininį mokymąsi kartu su „Facebook“ žaidimu, kad klasifikuotų muziką pagal automatinę dainų analizę.
Gertas Lanckrietas UCSD docentas, dirbantis su projektu, teigia, kad automatizuotas jo grupės muzikos paieškos ir rekomendacijų variklio metodas reiškia, kad jis gali analizuoti daugybę dainų, o tai gali suteikti vartotojams rekomendacijų iš daug didesnės muzikos bibliotekos. Sistema taip pat gali priimti sprendimus apie dainas, kurių anksčiau niekada nebuvo.
UCSD mokslininkai nori, kad jų sistema galėtų žymėti dainas, kad vartotojai galėtų ieškoti ne tik pagal atlikėją ar dainos pavadinimą, bet ir pagal žanrą, instrumentą ir net apibūdinančius žodžius, tokius kaip romantiškas ar baisus. Turėdami omenyje šį tikslą, jie renka informaciją apie dainas naudodami „Facebook“ programą „Herd It“. Žaidimas apdovanoja naudotojus taškais, kai jie pažymi dainas taip, kad jie sutampa su kitų naudotojų žymomis, o proceso metu renkami didžiuliai duomenų kiekiai.
Lanckrieto teigimu, surinkus šiuos duomenis, tyrėjų sistema dainas sugrupuoja pagal vartotojų suteiktas žymas, o tada ieško išskirtinių pačios muzikos modelių. Ji taiko statistinę bangos formų modelių analizę, atspindinčią kiekvieną dainą, ieškodama bendrų dainų, sugrupuotų pagal žymą, bruožų.
Lanckrietas teigia, kad apie 90 procentų laiko sistema nustato šablonus, kurie paprastai yra paslėpti. Pavyzdžiui, modeliai, identifikuojantys hiphopo dainą, gali apimti tipišką hiphopo ritmą, bet taip pat elementus, kurių klausytojas neatpažintų kaip dainos šablono. Vidutiniškai šios automatinės žymos nuspėja kitų žmonių [žymas] taip tiksliai, kaip gali padaryti konkretus žmogus, sako Lanckrietas.
Tyrėjai šiuo metu renka daugiau duomenų, kad apmokytų savo sistemą, o Lanckrietas mano, kad sistema turi komercinį potencialą. Jis įsivaizduoja sistemą, kuri galėtų paimti nepažįstamą dainą – iš nepriklausomos grupės ar net ką nors įrašytą vartotojo garaže – ir tada ją išanalizuoti bei pasiūlyti tinkamas žymas ir panašią muziką.
Populiari interneto radijo svetainė Pandora atlieka panašią paslaugą – skaido dainas ir analizuoja jų atributiką. 2000 m. įkurta svetainė leidžia vartotojams pasirinkti dainą ar atlikėją, o tada rasti panašių dainų. Vartotojai gali greitai sureguliuoti rezultatus, kad sukurtų labai individualizuotą transliuojamą radijo stotį.
Tačiau „Pandora“ technologija yra 100 procentų rankinė Timas Westergrenas , bendrovės vyriausiasis strategijos vadovas ir įkūrėjas. Pro Muzikos genomo projektas , muzikantų komanda vertina dainas, balais jas pagal 400 skirtingų atributų. Nustačius šiuos požymius, Westergren teigia, kad rekomendacijas vartotojams pateikti yra gana paprasta. Jis sako, kad „Pandora“ yra pasirengusi įtraukti daugiau automatizuotų dainų analizės metodų, tačiau priduria: „Mes dar neradome tokio, kuris, mūsų manymu, būtų tikrai naudingas mūsų veiklai.
Kitos įmonės taip pat dirba su automatine muzikos analize. Aido lizdas , startuolis, įsikūręs Somervilyje, MA, pakeičia dainų bangos formos modelius pagal modeliavimą, kaip žmogaus ausis girdi muziką. Iš ten „Echo Nest“ sistema taiko filtrus, identifikuojančius dainos ypatybes, tokias kaip tempas ir aukštis, pasak įmonės įkūrėjo ir CTO. Tristanas Džehanas .
Kai tai bus padaryta, „Echo Nest“ sistema sujungia šią informaciją su žymėjimo informacija, surinkta iš tinklaraščių ir kitų internete paskelbtų duomenų. Tada taiko mašininio mokymosi algoritmus, kad nustatytų dainų ypatybes, kurios dažniausiai yra susietos su konkrečiomis žymomis, panašiai kaip tai daro UCSD tyrėjų programinė įranga.
Anot Jehano, skirtumas yra tas, kad užuot identifikavusi sudėtingus bangos formų modelius, „Echo Nest“ programinė įranga sutelkia dėmesį į funkcijas, kurias atpažintų klausytojas.
Forrester tyrimų analitikas Sonalas Gandis , kuris seka muzikos industriją, teigia, kad labiau automatizuoti muzikos paieškos ir rekomendacijų metodai gali tapti svarbūs, nes užsakomoji muzika populiarėja, o svetainės jaučia didesnį spaudimą padėti vartotojams rasti naujos muzikos.
Timas Crawfordas , Londono Goldsmiths universiteto kompiuterinės muzikologijos vyresnysis dėstytojas, sako, kad nors muzikos analizė naudojant kompiuterius yra labai įdomi ir daug žadanti tyrimų sritis, bus sunku sukurti bendrą ir visiškai automatinę muzikos paieškos programą. Muzikos panašumas yra toks asmeniškas ir kintantis dalykas, sako Crawfordas. Du sunkiojo metalo kūriniai gali atrodyti labai panašūs tokiam klasikinės muzikos žinovui kaip aš, bet visiškai kitokios sunkiojo metalo entuziastui, kuris savo ruožtu gali laikyti Brahmso ir Čaikovskio muziką labai panašia, o tai man būtų juokinga.