Радиостанции в диапазоне ФМ практически в любом американском городе передают в основном музыку. Их жанровый спектр включает классический рок, альтернативу, хип-хоп, латиноамериканскую музыку и, если повезет, классическую музыку и джаз. В каждом из этих жанров царит своего рода консерватизм: в эфире изо дня в день, из года в год звучат одни и те же номера, а если появляется что-то новое – то мелодика, ритм, голос, звук и прочее настолько напоминают привычные трэки до такой степени, что не всегда понятно, кто именно их исполняет: уже знакомые музыканты или новые.
Почему такая музыка сочиняется и записывается, в общем-то понятно. Музыканты подчас и не стремятся создать нечто новое, а видят свой путь к успеху через копирование и смешение различных компонентов в некий салат, в котором меняются только пропорции, но не составляющие. По крайней мере, те музыканты, которых мы слышим и видим на ТВ. А вот почему именно такой набор трэков ставят радио- и ТВ-станции, объяснить сложнее, т.к. работа их продюсеров почти всегда остается в тени. В сегодняшней Техносреде речь пойдет об одной из информационных технологий, позволяющей предсказывать, станет ли данная запись хитом. Она же делает предсказания о том, какие еще записи могут понравится тому или иному слушателю. Но обо все по порядку.
Компания «Platinum Blue Music Intelligence» начинала под названием «Music Xray», и название сохранилось в адресе, musicxray.com. Ее основатель, Mike McCready, (mikemccready.com) был рок-музыкантом и работал в поп-индустрии. Компания «Music Xray» вышла на рынок и получила некоторую долю внимания СМИ в конце нулевых. Ее продукты были многообещающими. Один из них, например, позволял предсказывать с точностью до 85%, станет ли та или иная запись хитом. Так, по крайней мере, заявлял Майк.
Можно сказать, что технология эта, несмотря на свою привлекательность, «не пошла», и компания до весны этого года не вышла на прибыль, как гласит последняя запись в блоге ее основателя. Сегодня компания предлагает технологию S2O (song to opportunity), бесплатную для музыкантов, которые могут загрузить свои треки на сайт, после чего их проанализирует алгоритм и (возможно) они попадут к продюсерам, которые подписывают контракты. Как видно из этого, фактически технология выступает в качестве машинного фильтра, «прослушивающего» большое количество музыки и отсеивающего часть (какую – не говорится).
Иными словами, перед нами история «еще одного стартапа» с грандиозными идеями и революционными технологиями, которые оказались не ко двору. Вне зависимости от коммерческого успеха, стоит поговорить о технологии, которую компания предложила.
Просто потому, что она опередила на поколение те технологии рекомендационных систем, которые используются сейчас. (Это те самые алгоритмы, например, которые подсказывают те товары в магазинах-онлайн, которые выбирают «вместе с этим».)
Music Xray научилась раскладывать музыкальные файлы на составляющие: мелодию, ритм, смену аккордов, каденции и другие более технические при помощи преобразования Фурье. Эти составляющие давали многомерные вектор для каждого трэка, и по ним можно было считать расстояние между ними. Так вот оказалось, что около 85% всех хитов, попадают в очень тесные кластеры. Их число 63, ни больше, ни меньше. Соответственно, про любую новую запись можно было сказать, что с вероятностью 0,85 она либо станет, либо не станет хитом.
Но самое интересное – на слух эти кластеры зачастую не имеют ничего общего, т.е. слушатель, даже очень искушенный, не в состоянии определить близость двух разных трэков из одного кластера. Таким образом, получался как бы универсальный предсказатель успеха. Еще одно применение технологии позволяло предсказывать, что еще понравится слушателю. На эти предсказания накладывались фильтры, например, социальные, ограничивавшие выбор по жанрам, и на выходе получались готовые рекомендации, что еще прослушать. Все это, надо заметить, известно только со слов самой компании и независимого подтверждения пока не получило.
Вернемся к ФМ-эфиру. В нем существуют очень, очень тесные кластеры, которые хорошо определяются на слух. И как показывает опыт прослушивания, в эти кластеры попадает очень мало нового. Это, возможно, объясняет, почему технология компании не была востребована: продюсерам просто не нужно предсказывать новые хиты. Их и так достаточно.
В заключение, несколько слов об этой и подобных технологиях. Это пример предсказательной системы будущего, которая работает не на существующей выборке путем экстраполяции, а на основе выделения доминант восприятия. В каком-то смысле, это предел, за которым совершенствовать уже просто нечего. В этом смысле, опережать время в технологическом процессе так же опасно, как и отставать.
Почему такая музыка сочиняется и записывается, в общем-то понятно. Музыканты подчас и не стремятся создать нечто новое, а видят свой путь к успеху через копирование и смешение различных компонентов в некий салат, в котором меняются только пропорции, но не составляющие. По крайней мере, те музыканты, которых мы слышим и видим на ТВ. А вот почему именно такой набор трэков ставят радио- и ТВ-станции, объяснить сложнее, т.к. работа их продюсеров почти всегда остается в тени. В сегодняшней Техносреде речь пойдет об одной из информационных технологий, позволяющей предсказывать, станет ли данная запись хитом. Она же делает предсказания о том, какие еще записи могут понравится тому или иному слушателю. Но обо все по порядку.
Компания «Platinum Blue Music Intelligence» начинала под названием «Music Xray», и название сохранилось в адресе, musicxray.com. Ее основатель, Mike McCready, (mikemccready.com) был рок-музыкантом и работал в поп-индустрии. Компания «Music Xray» вышла на рынок и получила некоторую долю внимания СМИ в конце нулевых. Ее продукты были многообещающими. Один из них, например, позволял предсказывать с точностью до 85%, станет ли та или иная запись хитом. Так, по крайней мере, заявлял Майк.
Можно сказать, что технология эта, несмотря на свою привлекательность, «не пошла», и компания до весны этого года не вышла на прибыль, как гласит последняя запись в блоге ее основателя. Сегодня компания предлагает технологию S2O (song to opportunity), бесплатную для музыкантов, которые могут загрузить свои треки на сайт, после чего их проанализирует алгоритм и (возможно) они попадут к продюсерам, которые подписывают контракты. Как видно из этого, фактически технология выступает в качестве машинного фильтра, «прослушивающего» большое количество музыки и отсеивающего часть (какую – не говорится).
Иными словами, перед нами история «еще одного стартапа» с грандиозными идеями и революционными технологиями, которые оказались не ко двору. Вне зависимости от коммерческого успеха, стоит поговорить о технологии, которую компания предложила.
Просто потому, что она опередила на поколение те технологии рекомендационных систем, которые используются сейчас. (Это те самые алгоритмы, например, которые подсказывают те товары в магазинах-онлайн, которые выбирают «вместе с этим».)
Music Xray научилась раскладывать музыкальные файлы на составляющие: мелодию, ритм, смену аккордов, каденции и другие более технические при помощи преобразования Фурье. Эти составляющие давали многомерные вектор для каждого трэка, и по ним можно было считать расстояние между ними. Так вот оказалось, что около 85% всех хитов, попадают в очень тесные кластеры. Их число 63, ни больше, ни меньше. Соответственно, про любую новую запись можно было сказать, что с вероятностью 0,85 она либо станет, либо не станет хитом.
Но самое интересное – на слух эти кластеры зачастую не имеют ничего общего, т.е. слушатель, даже очень искушенный, не в состоянии определить близость двух разных трэков из одного кластера. Таким образом, получался как бы универсальный предсказатель успеха. Еще одно применение технологии позволяло предсказывать, что еще понравится слушателю. На эти предсказания накладывались фильтры, например, социальные, ограничивавшие выбор по жанрам, и на выходе получались готовые рекомендации, что еще прослушать. Все это, надо заметить, известно только со слов самой компании и независимого подтверждения пока не получило.
Вернемся к ФМ-эфиру. В нем существуют очень, очень тесные кластеры, которые хорошо определяются на слух. И как показывает опыт прослушивания, в эти кластеры попадает очень мало нового. Это, возможно, объясняет, почему технология компании не была востребована: продюсерам просто не нужно предсказывать новые хиты. Их и так достаточно.
В заключение, несколько слов об этой и подобных технологиях. Это пример предсказательной системы будущего, которая работает не на существующей выборке путем экстраполяции, а на основе выделения доминант восприятия. В каком-то смысле, это предел, за которым совершенствовать уже просто нечего. В этом смысле, опережать время в технологическом процессе так же опасно, как и отставать.
