Deezer est un service de streaming musical personnel basé en France. Ils sont ambitieux pour s'assurer une place en première ligne du secteur du streaming. Les signes montrent qu'ils travaillent sur une technologie qui peut faire la différence pour les auditeurs de musique à la recherche de services. Bluebird d'un joueur de banjo, après tout, est un tout autre animal pour un chanteur et bassiste de jazz.

Deezer travaille désormais avec l'intelligence artificielle pour augmenter la qualité des services de streaming personnalisés. Leurs chercheurs ont attiré l'attention des médias avec leur article, qui est maintenant sur arXiv.

"Music Mood Detection Based on Audio and lyrics with Deep Neural Net" présente leur méthode de recherche et leurs résultats. Ils ont décrit leur chemin vers un système d'intelligence artificielle qui peut faire correspondre les pistes avec les humeurs. C'est un chemin où ils prêtent attention à la manière de réaliser des détections via le signal audio et les paroles.

Olivia Tambini dans TechRadar passé au crible les descriptions techniques du document pour résumer ce qu'ils ont fait. "Les chercheurs de Deezer ont entraîné le système d'IA à reconnaître l'émotion et l'intensité d'une chanson à l'aide de signaux audio, données linguistiques, y compris les paroles, et une agrégation de balises de chansons Last.FM décrivant les pistes (par exemple, optimiste ou triste)."

Jon Fingas dans Engagé a guidé les lecteurs à travers les outils et les techniques qu'ils ont appliqués. "Deezer a entraîné l'IA à l'aide de signaux audio bruts, des modèles de reconstruction de contexte linguistique et un jeu de données Million Song qui agrège les balises Last.fm décrivant des airs (tels que "calm" ou "triste"). Les chercheurs ont mappé le MSD à la bibliothèque de Deezer à l'aide de métadonnées de chanson, extraire des mots individuels des paroles dans le processus. Le résultat était un 18, Base de données de 644 chansons que l'équipe pourrait utiliser à la fois pour entraîner l'IA sur les humeurs des chansons et pour tester ses théories. »

(Les auteurs de l'article ont défini le MSD comme un grand ensemble de données couramment utilisé pour les tâches MIR. Les pistes étaient associées à des balises de LastFM, dont certains étaient liés à l'humeur.)

L'équipe de Deezer a déclaré dans son article :« Recherche d'informations musicales (MIR) a été un domaine de recherche en constante évolution ces dernières années, motivé par la nécessité de traiter automatiquement des collections massives de morceaux de musique, une tâche importante pour, par exemple, sociétés de streaming."

L'année dernière, Melissa Daniels a examiné l'essor de la découverte musicale au fil des ans, dans Forbes .

"Avant la révolution numérique, la découverte de la musique s'est faite par un mélange de hasard et de coïncidence, comme allumer la radio au bon moment ou acheter un nouveau CD d'échantillons chez le disquaire indépendant. En quelque sorte, cette toute nouvelle mélodie et ces paroles inédites semblaient incroyablement familières, connexion sur le plan émotionnel comme exactement la chanson que vous aviez besoin d'entendre. Mais avec les plateformes de streaming prenant le relais de l'écoute grand public, la magie de la découverte est maintenant dans la méthode elle-même."

chansons TGIF. Chansons cool. C'est plutôt cool de savoir qu'il existe des services où, si vous le ressentez, L'IA peut le clouer. Un bilan d'IA qui peut classer aussi correctement que possible la musique par intensité et humeur est encourageant.

PCMag est allé de l'avant pour dire qu'il pense que c'est mieux que les modèles précédents.

Pourquoi? Bon moment, bon endroit.

« Deezer peut en théorie fournir des listes de lecture et un tri des chansons plus précis et spécifiques à l'humeur d'un abonné, " a déclaré Adam Smith. " Cela pourrait amener Deezer à suggérer des morceaux qui vous rendent plus heureux sans nécessairement recourir à la pop ringard, ou des morceaux qui peuvent vous détendre sans que vous ne vous assoupissiez."

Pourquoi est-ce important :une réponse appropriée pourrait être « Vous plaisantez ? » Un article dans L'étoile quotidienne résume la frustration que l'on peut avoir face aux outils d'écoute du métier. " En ce qui concerne les listes de lecture et la lecture automatique, "Les auditeurs de musique recherchent des flux qui correspondent à la fois à leur humeur actuelle et à l'intensité du sentiment. Lorsque vous vous sentez déprimé, il n'y a rien de pire que votre liste de lecture de chansons tristes interrompue par le bop d'été d'une boîte de nuit ; soyons réalistes, tous les moments et tous les lieux ne sont pas les bons."

Et après? Les chercheurs sont toujours intéressés à aller plus loin, avec une liste de souhaits ambitieuse de domaines dans lesquels ils peuvent se concentrer. "Les travaux futurs pourraient aussi s'appuyer sur une base de données avec des étiquettes indiquant le degré d'ambiguïté de l'ambiance d'un morceau, comme nous savons que dans certains cas, il peut y avoir une variabilité importante entre les auditeurs. De telles bases de données seraient particulièrement utiles pour aller plus loin dans la compréhension de l'émotion musicale."

Ils ont dit qu'ils avaient également laissé aux travaux futurs « poursuivre l'amélioration des modèles basés sur les paroles, avec des architectures plus profondes ou en optimisant les intégrations de mots utilisées en entrée."

© 2018 Tech Xplore