Deezer is een in Frankrijk gevestigde persoonlijke muziekstreamingservice. Ze zijn ambitieus in het veiligstellen van een plek in de frontlinie van de streamingbusiness. Er zijn tekenen dat ze werken aan technologie die het verschil kan maken voor servicezoekende muziekluisteraars. Bluebird van een banjospeler, ten slotte, is een heel ander dier voor een jazzzanger en bassist.

Deezer gaat nu aan de slag met kunstmatige intelligentie om de kwaliteit van gepersonaliseerde streamingdiensten op te krikken. Hun onderzoekers hebben media-aandacht getrokken met hun paper, die nu op arXiv staat.

"Music Mood Detection Based on Audio and lyrics with Deep Neural Net" presenteert hun onderzoeksmethode en bevindingen. Ze beschreven hun weg naar een kunstmatige intelligentiesysteem dat tracks kan matchen met stemmingen. Het is een pad waar ze aandacht besteden aan hoe ze detecties kunnen bereiken via het audiosignaal en de teksten.

Olivia Tambini in TechRadar ze doorzochten de technische beschrijvingen van de krant om samen te vatten wat ze deden. "Onderzoekers bij Deezer hebben het AI-systeem getraind om de emotie en intensiteit van een nummer te herkennen met behulp van audiosignalen, taalkundige gegevens, waaronder songteksten, en een aggregatie van Last.FM-nummertags die tracks beschrijven (bijvoorbeeld vrolijk of verdrietig)."

Jon Fingas in Engadget liepen lezers door de tools en technieken die ze toepasten. "Deezer heeft de AI getraind met behulp van onbewerkte audiosignalen, linguïstische contextreconstructiemodellen en een Million Song Dataset die Last.fm-tags verzamelt die melodieën beschrijven (zoals "kalm" of "verdrietig"). De onderzoekers brachten de MSD in kaart in de bibliotheek van Deezer met behulp van metadata van nummers, het extraheren van individuele woorden uit de teksten in het proces. Het resultaat was een 18, 644-nummerdatabase die het team zou kunnen gebruiken om zowel AI te trainen op songstemmingen als om zijn theorieën te testen."

(De auteurs van het artikel definieerden de MSD als een grote dataset die vaak wordt gebruikt voor MIR-taken. De tracks waren gekoppeld aan tags van LastFM, waarvan sommige gerelateerd waren aan de stemming.)

Het team van Deezer zei in hun krant:"Music Information Retrieval (MIR) is de laatste jaren een steeds groeiend onderzoeksveld, gedreven door de behoefte om automatisch enorme verzamelingen muzieknummers te verwerken, een belangrijke taak om bijvoorbeeld, streamingbedrijven."

Melissa Daniels keek vorig jaar naar de opkomst van muziekontdekking door de jaren heen, in Forbes .

"Vóór de digitale revolutie, Het ontdekken van muziek gebeurde door een mix van lot en toeval - zoals het op het juiste moment aanzetten van de radio of het ophalen van een nieuwe sampler-cd in de indie-platenwinkel. op de een of andere manier, die gloednieuwe melodie en die ongehoorde teksten klonken ongelooflijk bekend, op een emotioneel niveau verbinden als precies het nummer dat je moest horen. Maar nu streamingplatforms het reguliere luisteren overnemen, de magie van ontdekking zit nu in de methode zelf."

TGIF-nummers. Chill liedjes. Dat is best cool om te weten dat er diensten zijn waar als je het voelt, AI kan het oplossen. Een AI-workup die muziek zo correct mogelijk kan classificeren op intensiteit en stemming is bemoedigend.

PCMag ging door met te zeggen dat het denkt dat het beter is dan eerdere modellen.

Waarom? Juiste tijd, juiste plaats.

"Deezer kan in theorie nauwkeurigere afspeellijsten en nummersortering bieden die specifiek zijn voor de stemming van een abonnee, "zei Adam Smith. "Dit zou ertoe kunnen leiden dat Deezer nummers suggereert die je een gelukkiger gevoel geven zonder noodzakelijkerwijs zijn toevlucht te nemen tot goedkope pop, of tracks die je kunnen chillen zonder dat je afdrijft."

Waarom dit belangrijk is:Een passend antwoord zou kunnen zijn:"Maak je een grapje?" Een artikel in De dagelijkse ster vatte de frustratie samen die men zou kunnen hebben met luisterhulpmiddelen van het vak. " Als het gaat om afspeellijsten en automatisch afspelen, "muziekluisteraars zijn op zoek naar streams die passen bij zowel hun huidige stemming als de intensiteit van het gevoel. Als je je down voelt, er is niets erger dan dat je afspeellijst met trieste liedjes wordt onderbroken door zomerbop in een nachtclub; laten we echt zijn, niet elke tijd en plaats is de juiste."

Wat is het volgende? De onderzoekers zijn nog steeds geïnteresseerd om hier verder op in te gaan, met een ambitieus verlanglijstje van gebieden waarop ze zich kunnen richten. "Toekomstig werk zou ook kunnen vertrouwen op een database met labels die de mate van ambiguïteit van de sfeer van een nummer aangeven, zoals we weten dat in sommige gevallen, er kan een aanzienlijke variabiliteit zijn tussen luisteraars. Dergelijke databases zouden bijzonder nuttig zijn om verder te gaan in het begrijpen van muzikale emoties."

Ze zeiden dat ze het ook aan toekomstig werk hadden overgelaten "om verbeteringen van op teksten gebaseerde modellen na te streven, met diepere architecturen of door het optimaliseren van woordinbeddingen die als invoer worden gebruikt."

© 2018 Tech Xplore