Logiciel audio pour l'auditeur Moody

Plus vous avez de musique, plus il peut être difficile de trouver la bonne chanson. Des chercheurs de l'Université de Munich en Allemagne pensent avoir une solution : un lecteur de musique numérique qui mappe les chansons par humeur.

AudioRadar trace les collections de musique sur une carte cliquable basée sur l'humeur (seule une section est affichée ici). Ses créateurs améliorent encore le programme, mais un jour il arrivera peut-être sur votre iPod. (Avec l'aimable autorisation d'Otmar Hilliges, Université de Munich.)

Des programmes tels qu'iTunes d'Apple ont l'inconvénient d'obliger leurs utilisateurs à faire défiler des listes interminables, dit Otmar Hilliges , un étudiant diplômé du groupe de recherche de Munich. Beaucoup de gens qui possèdent des iPod me disent qu'ils ne lisent plus la liste, note-t-il. Ils se souviennent de l'emplacement spatial de leurs artistes préférés sur la liste et défilent - en se souvenant du temps qu'il faut pour arriver à l'artiste qu'ils veulent. Mais cette astuce n'est pas d'une grande aide si vous recherchez plusieurs milliers de chansons.

Dans de nombreux cas, les utilisateurs n'ont peut-être même pas un artiste ou un titre en tête, mais plutôt une idée du type de musique qu'ils veulent entendre. Ils pourraient rechercher par genre, à la recherche de jazz, par exemple, mais de telles étiquettes ne révèlent pas comment une chanson sonne réellement - ou, mieux encore, comment elle se sent.

Certaines personnes abandonnent complètement le contrôle, mettant leur lecteur en mode aléatoire. Le résultat est un mix qui secoue les auditeurs partout sur la carte, dit Paul Lamere , ingénieur logiciel chez Sun Microsystems Laboratories à Santa Clara, Californie. Je peux faire suivre ACDC par Raffi, dit-il. Nous appelons cela le coup du lapin pour iPod. Ce que nous voulons vraiment, c'est un bouton qui dit : « Mets-moi la musique que j'aime. »

Au lieu de cela, le logiciel développé par le groupe munichois, AudioRadar, fournit une carte des chansons par leur son et leurs similitudes. À l'aide d'algorithmes développés par d'autres chercheurs en acoustique au fil des ans, il scanne une collection de musique, mesurant les qualités des chansons : tempo, changements d'accords, volume, harmonie, etc. Ensuite, il pondère les chansons selon quatre critères clés : rapide ou lent, mélodique ou rythmique, turbulent ou calme, et rugueux ou propre. (La turbulence mesure la brusquerie des quarts de travail ; approximatif indique le nombre de quarts de travail.)

Sur la base de ces métriques, l'application crée une carte dans laquelle une chanson choisie apparaît au centre de l'écran, avec des chansons similaires regroupées en cercle autour d'elle - un peu comme des points de lumière sur un écran radar. Ensuite, les utilisateurs peuvent évaluer, par exemple, le calme ou la propreté d'un autre choix musical par sa position relative sur la carte. Les distances sont mises à l'échelle ; par exemple, une chanson sur le bord extérieur du cercle serait deux fois plus calme qu'une chanson au centre. Et le cluster se réorganise après chaque nouvelle chanson. Ainsi, les utilisateurs peuvent surfer sur leurs collections sans avoir à se souvenir de chaque chanson qu'ils possèdent. Ils peuvent créer des listes de lecture basées sur l'humeur ou laisser le programme sélectionner la prochaine chanson la plus similaire.

AudioRadar est différent des moteurs de découverte musicale tels que Liveplasma , Pandore , et Last.fm , qui aident les utilisateurs à élargir leurs collections. Ces services en ligne analysent vos goûts musicaux et suggèrent de nouvelles musiques qui pourraient vous plaire. Un autre programme, Musipedia , permet aux utilisateurs de fredonner, de siffler ou de jouer une chanson, puis de récupérer le titre et l'artiste.

Les plus proches parents d'AudioRadar sont deux autres programmes encore en cours de développement : Playola , créé par un étudiant de l'Université Columbia, et Rechercher dans la musique , par Sun Microsystems. Playola mesure les motifs des chansons et les classe dans des genres : électronique, rock universitaire, etc. Après avoir écouté une chanson initiale, les utilisateurs ajustent les curseurs pour indiquer les préférences de genre pour le choix suivant – un peu plus d'auteur-compositeur-interprète et un peu moins de rock universitaire, par exemple. Le programme fournit une navigation basée sur l'humeur, comme AudioRadar, et utilise certains des mêmes algorithmes, dit Dan Ellis , professeur agrégé de génie électrique à Columbia, qui supervise Playola. Ellis dit qu'AudioRadar offre l'avantage d'un affichage convivial.

Comme AudioRadar, Search Inside the Music est un lecteur multimédia qui mesure les caractéristiques des chansons. Il affiche des chansons comme des touffes d'étoiles dans un ciel imaginaire, regroupées par genre et par similarité sonore. Les utilisateurs peuvent faire un voyage musical à travers leurs collections, en cliquant sur un point de départ, par exemple, une chanson rock rapide, et en demandant une liste de lecture qui se dirige vers une finale, telle qu'une pièce classique calme, en minimisant le coup du lapin en cours de route.

D'énormes collections de musique… réclament de meilleurs mécanismes de navigation, déclare Ellis de Columbia. Cependant, AudioRadar et Search Inside the Music sont toujours des prototypes. Le premier sera présenté au Sixième Symposium international sur les graphiques intelligents à Vancouver, Canada, plus tard ce mois-ci.

Ces programmes n'ont pas encore quitté les laboratoires principalement parce qu'ils sont encore inefficaces. Il faut très longtemps pour extraire les chansons, dit Hilliges, admettant qu'il n'a pas encore construit son prototype à sa capacité de 10 000 chansons, car il est frustré pendant le processus d'extraction. Les algorithmes lents d'AudioRadar font que les chansons prennent, en moyenne, cinq à dix pour cent de plus que leur temps de lecture à traiter. Pour les grandes collections, cela peut représenter plusieurs heures.

Stephen Downie , professeur agrégé et spécialiste de la recherche d'informations et du multimédia à l'Université de l'Illinois à Urbana-Champaign, pense cependant que ce problème est de courte durée. À mesure que les ordinateurs et les algorithmes d'extraction deviennent plus rapides, des systèmes comme AudioRadar seront éventuellement intégrés à votre iPod, prédit-il.

Pourtant, ces programmes ont d'autres problèmes. La similarité est une mesure humaine, explique Lamere, chercheur principal sur le projet de recherche musicale de Sun Lab, ce qui signifie qu'il s'agit toujours d'un phénomène subjectif : les gens appellent des chansons similaires pour diverses raisons.

Ellis dit que les programmes informatiques actuels réussissent mal à reproduire les jugements de similarité humaine… Dans les grandes collections de musique, nous rencontrons fréquemment des jugements de similarité machine qui n'ont tout simplement aucun sens pour un auditeur - et plus la collection est diversifiée, plus ces jugements erronés deviennent étranges. Les premières versions de Search Inside the Music, par exemple, regroupaient la musique classique avec le heavy metal, car elles mesuraient les similitudes par le timbre des instruments. Pour l'ordinateur, les clavecins et les guitares heavy metal sonnaient de la même manière.

Ces programmes sont également limités par une qualité encore plus difficile à mesurer : l'originalité. En tant qu'humain, vous reconnaîtrez Stairway to Heaven joué sur un banjo, par opposition à la version originale jouée au concert de Led Zeppelin, dit Downie, mais ces systèmes ne peuvent vraiment pas comprendre… C'est agréable de voir qu'ils essaient de commercialiser [ces programmes], dit-il, mais il reste encore beaucoup de terrain à explorer.

cacher