Innovativ musikanbefalingssoftware til at forudsige mærketilpasset musik

ABC_DJ-projektet undersøger og udvikler fremtiden for Audio Branding. Forskere fra ABC_DJ har skabt en kraftfuld algoritme, der automatisk vælger brand-relevant musik udelukkende baseret på lydindholdet i selve sangene, frem for på manuelt tildelte tags. Med denne software, brands og reklamebureauer kan automatisk finde den rigtige musik til et givet mærke eller kampagne, giver strategisk planlægning en sonisk dimension.

"ABC_DJ-anbefalingsalgoritmen kan forudsige musikkens brandtilpasning eller opfattede musikalske udtryk med en nøjagtighed på 80,1 procent. Den teoretiske maksimumværdi på 100 procent kan aldrig nås, fordi folk er og vil altid have en anderledes reaktion på musik; det betyder, at 80,1 procent match vil være usædvanligt værdifuldt for industrien, "siger Dr. Jochen Steffens fra TU Berlin.

Algoritmen udtrækker musikalske udtryk, som de opfattes af forskellige målgrupper, fra lydsignaler og giver tilpasset brand-tilpasset musik til hver kontekst. For at oprette et sådant system, forskere fra ABC_DJ udviklede først et ordforråd til systematisk at beskrive musik i branding-sammenhæng. Denne roman "General Music Branding Inventory" blev etableret med ni lydbranding-eksperter og forfinet af 305 marketingeksperter. Næste trin i udviklingsprocessen var at teste denne semantiske opgørelse i marken. A 28, 543-sangspulje blev brugt, hvorfra 549 sange blev valgt til detaljeret evaluering. Der blev derefter udført et storstilet lytteeksperiment, hvor 10, 144 deltagere i Tyskland, Spanien og Storbritannien blev bedt om at matche semantiske træk med sange (f.eks. moderne, lidenskabelig, innovative, lykkelig, troværdig).

Statistisk analyse af resultaterne – over 53, 344 målinger baseret på 2, 018, 704 datapunkter – udpegede de 36 funktioner, der er mest relevante for både musik og brands. Prøven var afbalanceret med hensyn til alder, land og uddannelse for at sikre repræsentativ indsigt i, hvordan forskellige målgrupper opfatter semantiske udtryk i musik. For at operationalisere disse fund, det var nødvendigt at kortlægge semantiske træk på akustiske træk.

Den Paris-baserede ABC_DJ-projektpartner IRCAM (instituttet for forskning og koordinering i akustik/musik) udtrak en stor mængde information fra de 549 sange, der blev brugt i lytteeksperimentet, nedbryder deres harmonier, rytmer, instrumentering, genrer og stilarter på et signal-for-signal niveau. Brug af yderst effektive maskinlæringsprocedurer (såsom den såkaldte tilfældige skovregression), Der blev derefter udviklet en algoritme, som finder de akustiske egenskaber, der bedst er i stand til at forudsige virkelige lytteres vurdering af musik. Dette forudsigelsesmodul er hjertet i ABC_DJ-systemet.

"ABC_DJ-proceduren kan nu betragtes som en standard, der skal bruges af kreative bureauer til at beskrive brands og brandmusik, siger Robin Hofmann, Medstifter og kreativ direktør for HearDis!.

Men hvordan fungerer ABC_DJ-anbefalingsalgoritmen præcist? Den er baseret på fire grundlæggende faktorer:følelsesmæssig valens, følelsesmæssig ophidselse, ægthed, og aktualitet. Selvom forskellige målgrupper uundgåeligt vil beskrive et givet stykke musik på forskellige måder, det er generelt muligt at destillere og harmonisere deres beskrivelser ved hjælp af disse faktorer:f.eks. et givet stykke kan beskrives som mere eller mindre glædeligt (følelsesmæssig valens), intens (følelsesmæssig ophidselse), autentisk, og progressive.

Klik venligst her for at lytte til et musikuddrag, der blev forudsagt af algoritmen til at lyde lyst, legende og sjov:listen.heardis.com/compilation … 84-9bc0-1bb5c4e1f5f7

Klik venligst her for at lytte til et musikuddrag, der blev forudsagt af algoritmen til at lyde kærligt, venlig og varm:listen.heardis.com/compilation … 0e-a4ab-ff92fd7be67a