Le projet ABC_DJ étudie et développe l'avenir de l'Audio Branding. Les chercheurs d'ABC_DJ ont créé un algorithme puissant qui choisit automatiquement la musique pertinente pour la marque en s'appuyant uniquement sur le contenu audio des chansons elles-mêmes, plutôt que sur des balises attribuées manuellement. Avec ce logiciel, les marques et les agences de publicité peuvent trouver automatiquement la bonne musique pour une marque ou une campagne donnée, donner à la planification stratégique une dimension sonore.
« L'algorithme de recommandation ABC_DJ peut prédire l'adéquation de la musique à la marque ou l'expression musicale perçue avec une précision de 80,1 %. La valeur maximale théorique de 100 % ne peut jamais être atteinte, parce que les gens sont et auront toujours une réaction différente à la musique; cela signifie qu'une correspondance de 80,1 pour cent sera exceptionnellement précieuse pour l'industrie, " dit le Dr Jochen Steffens de la TU Berlin.
L'algorithme extrait les expressions musicales telles qu'elles sont perçues par différents groupes cibles à partir de signaux audio et fournit une musique adaptée à la marque pour chaque contexte. Pour créer un tel système, les chercheurs d'ABC_DJ ont d'abord développé un vocabulaire permettant de décrire systématiquement la musique dans le contexte de l'image de marque. Ce roman "General Music Branding Inventory" a été établi avec neuf experts en branding audio et affiné par 305 experts en marketing. L'étape suivante du processus de développement consistait à tester cet inventaire sémantique sur le terrain. Un 28, Un pool de 543 chansons a été utilisé parmi lequel 549 chansons ont été sélectionnées pour une évaluation détaillée. Une expérience d'écoute à grande échelle a ensuite été menée dans laquelle 10, 144 participants en Allemagne, L'Espagne et le Royaume-Uni ont été invités à faire correspondre les caractéristiques sémantiques aux chansons (par exemple, modernes, passionné, innovant, heureux, fiable).
Analyse statistique des résultats – plus de 53, 344 mesures basées sur 2, 018, 704 points de données - ont identifié les 36 caractéristiques les plus pertinentes à la fois pour la musique et les marques. L'échantillon était équilibré en fonction de l'âge, pays et l'éducation pour garantir des informations représentatives sur la façon dont les différents groupes cibles perçoivent l'expression sémantique dans la musique. Pour opérationnaliser ces résultats, il était nécessaire de cartographier les caractéristiques sémantiques sur les caractéristiques acoustiques.
L'IRCAM (Institut de Recherche et de Coordination en Acoustique/Musique), partenaire du projet ABC_DJ basé à Paris, a extrait une grande quantité d'informations des 549 chansons utilisées dans l'expérience d'écoute, briser leurs harmonies, rythmes, instrumentation, genres et styles au niveau signal par signal. En utilisant des procédures d'apprentissage automatique très efficaces (telles que la soi-disant régression de forêt aléatoire), un algorithme a ensuite été développé pour trouver les caractéristiques acoustiques les mieux à même de prédire les appréciations réelles de la musique par les auditeurs. Ce module de prédiction est le cœur du système ABC_DJ.
"La procédure ABC_DJ peut désormais être considérée comme un standard à utiliser par les agences de création pour décrire les marques et la musique de marque, " dit Robin Hofmann, Co-fondateur et directeur créatif de HearDis!.
Mais comment fonctionne exactement l'algorithme de recommandation ABC_DJ ? Elle repose sur quatre facteurs fondamentaux :la valence émotionnelle, excitation émotionnelle, authenticité, et la ponctualité. Bien que différents groupes cibles décriront inévitablement un morceau de musique donné de différentes manières, il est généralement possible de distiller et d'harmoniser leurs descriptions en utilisant ces facteurs :par ex. une pièce donnée peut être qualifiée de plus ou moins joyeuse (valence émotionnelle), intense (excitation émotionnelle), authentique, et progressif.
Veuillez cliquer ici pour écouter un extrait de musique qui a été prédit par l'algorithme pour sonner brillant, ludique et drôle :listen.heardis.com/compilation … 84-9bc0-1bb5c4e1f5f7
Veuillez cliquer ici pour écouter un extrait de musique qui a été prédit par l'algorithme pour sonner affectueux, convivial et chaleureux :listen.heardis.com/compilation … 0e-a4ab-ff92fd7be67a
