Mettre les ordinateurs dans le groove

Les ordinateurs ont révolutionné la production, la distribution et la consommation de musique, mais quand il s'agit de recommander un bon morceau, ils font encore cruellement défaut.

Ça se ressemble : Un jeu Facebook appelé Herd It est utilisé par des chercheurs de l'Université de Californie à San Diego, pour classer la musique en différents genres.

Il existe de nombreux systèmes de recommandation. iTunes propose Genius, qui crée des listes de lecture et suggère de la musique en comparant une collection à celles d'autres utilisateurs, et de nombreux sites de réseaux sociaux axés sur la musique proposent des recommandations inspirées de ce que les amis d'une personne écoutent. Aujourd'hui, des chercheurs de l'Université de Californie à San Diego (UCSD) utilisent l'apprentissage automatique, en combinaison avec un jeu Facebook, pour classer la musique sur la base d'une analyse automatisée des chansons.

Gert Lanckriet , professeur adjoint à l'UCSD, qui travaille sur le projet, affirme que l'approche automatisée adoptée par le moteur de recherche et de recommandation de musique de son groupe signifie qu'il pourrait analyser d'énormes quantités de chansons, donnant potentiellement aux utilisateurs des recommandations à partir d'une bibliothèque de musique beaucoup plus vaste. Le système peut également porter des jugements sur des chansons qu'il n'a jamais rencontrées auparavant.

Les chercheurs de l'UCSD souhaitent que leur système puisse baliser les chansons afin que les utilisateurs puissent rechercher non seulement par artiste ou par titre de chanson, mais également par genre, instrument et même des mots descriptifs tels que romantique ou effrayant. Dans cet objectif, ils collectent des informations sur les chansons à l'aide d'une application Facebook appelée Herd It. Le jeu attribue des points aux utilisateurs lorsqu'ils marquent des chansons d'une manière qui concorde avec les balises des autres utilisateurs, collectant ainsi d'énormes quantités de données.

Une fois ces données collectées, explique Lanckriet, le système des chercheurs regroupe les chansons en fonction des balises qui leur sont attribuées par les utilisateurs, puis recherche des motifs distinctifs dans la musique elle-même. Il applique une analyse statistique aux modèles de forme d'onde qui représentent chaque chanson, en recherchant des caractéristiques communes parmi les chansons regroupées par tag.

Environ 90 pour cent du temps, dit Lanckriet, le système identifie des modèles qui sont habituellement cachés. Par exemple, les motifs qui identifient une chanson hip-hop peuvent inclure un rythme hip-hop typique, mais aussi des éléments que l'auditeur ne reconnaîtrait pas comme un motif dans la chanson. En moyenne, ces balises automatiques prédisent les [tags] des autres humains à peu près aussi précisément qu'une personne humaine donnée peut le faire, dit Lanckriet.

Les chercheurs travaillent actuellement à collecter plus de données pour former leur système, et Lanckriet pense que le système a un potentiel commercial. Il envisage un système qui pourrait prendre une chanson inconnue d'un groupe indépendant, ou même quelque chose d'enregistré dans le garage d'un utilisateur, puis l'analyser à la volée et suggérer des tags appropriés et une musique similaire.

Le site de radio Internet populaire Pandore effectue un service similaire, décompose les chansons et analyse leurs attributs. Fondé en 2000, le site permet aux utilisateurs de choisir une chanson ou un artiste, puis de trouver des chansons similaires. Les utilisateurs peuvent rapidement affiner les résultats pour créer une station de radio en streaming hautement personnalisée.

Mais la technologie de Pandora est 100 % manuelle, selon Tim Westergren , directeur de la stratégie et fondateur de l'entreprise. À travers le Projet Génome Musical , une équipe de musiciens évalue les chansons, les notant selon 400 attributs différents. Une fois ces attributs identifiés, dit Westergren, faire des recommandations aux utilisateurs est un calcul assez simple. Il dit que Pandora est ouvert à l'incorporation d'approches plus automatisées pour analyser les chansons, mais ajoute : Nous n'en avons pas encore trouvé une qui, selon nous, soit vraiment une valeur ajoutée à ce que nous faisons.

D'autres sociétés travaillent également sur l'analyse automatique de la musique. Le nid d'écho , une startup basée à Somerville, MA, transforme les formes d'onde des chansons en fonction de simulations de la façon dont l'oreille humaine entend la musique. À partir de là, le système d'Echo Nest applique des filtres qui identifient les caractéristiques de la chanson, telles que le tempo et la hauteur, selon le cofondateur et directeur technique de l'entreprise. Tristan Jehan .

Une fois cela fait, le système de l'Echo Nest combine ces informations avec des informations de marquage glanées à partir de blogs et d'autres données publiées sur Internet. Il applique ensuite des algorithmes d'apprentissage automatique pour identifier les caractéristiques des chansons qui sont couramment associées à des balises spécifiques, tout comme le fait le logiciel des chercheurs de l'UCSD.

La différence, selon Jehan, est qu'au lieu d'identifier des motifs complexes dans les formes d'onde, le logiciel d'Echo Nest se concentre sur des caractéristiques qui seraient reconnues par un auditeur humain.

Analyste Forrester Research Sonal Gandhi , qui suit l'industrie de la musique, affirme que des méthodes plus automatisées de recherche et de recommandation de musique pourraient devenir importantes à mesure que la musique à la demande devient plus populaire et que les sites ressentent une pression accrue pour aider les utilisateurs à trouver de nouvelles musiques.

Tim Crawford , maître de conférences en musicologie computationnelle à la Goldsmiths University de Londres, déclare que même si l'analyse de la musique à l'aide d'ordinateurs est un domaine de recherche très intéressant et prometteur, il sera difficile de créer un moteur de recherche musical à la fois général et entièrement automatique. La similitude musicale est une chose tellement personnelle et variable, dit Crawford. Deux morceaux de heavy metal peuvent sembler très similaires à un expert en musique classique comme moi, mais tout à fait différents à un passionné de heavy metal, qui peut à son tour considérer la musique de Brahms et de Tchaïkovski comme très similaire, ce qui me serait risible.

cacher