В лабораториях Sun Labs создали принципиально новую технологию Search Inside The Music, которая способна классифицировать музыку не по внешним атрибутам (жанр, год, исполнитель), а по внутреннему содержанию (ритм, мелодия, инструменты, слова).

Для поиска похожей музыки создан уже целый набор интернет-сервисов. Это и специальные алгоритмы, которые показывают "родовую" близость музыкальных исполнителей друг к другу (Musicplasma.com, Pandora.com), и социальные сети, которые вычисляют, какая музыка вам понравится, путем анализа музыкальных предпочтений людей с такими же вкусами (Last.fm). Однако, ни один из этих инструментов нельзя назвать идеальным. Проблема в том, что они сортируют музыку по рекомендациям или по внешним атрибутам (название группы, песни, музыкальный жанр), но не по внутренней сути.

В этом смысле революционным является научно-исследовательский проект Search Inside The Music (research.sun.com/projects/dashboard.php?id=153), разработанный в лабораториях Sun Labs. С помощью этой технологии можно классифицировать большие музыкальные коллекции, а также находить песни, похожие друг на друга.

Акустический анализ каждой песни представляет собой разбиение трека на фреймы по 40 миллисекунд и выделение метаданных из каждого фрейма. Метаданные выражаются в численных величинах: высота звука, созвучие, тональность, тембр, инструментовка, ритмические паттерны, а также уровень энергии, то есть интенсивность. Когда составляется большая база данных с точными характеристиками каждой песни, то можно визуализировать эти данные в виде 2D или 3D. Например, на двухмерной карте сразу видно, как отличается по акустическим характеристикам музыка разных жанров: классическая, этническая, блюз, эмбиент, рок, поп и т.д. Если учитывать больше двух параметров, то можно разместить музыкальные треки в трехмерном пространстве.

Кроме анализа с помощью алгоритмов, система поддерживает движок рекомендаций, то есть способна учитывать мнение людей для поиска "похожих" композиций. Но у таких систем главный недостаток - они "выталкивают" наверх только популярную музыку, в то время как у малоизвестных исполнителей (и у музыки прошлых лет) шансов на популярность практически нет. Пока какая-то мода не охватит целый пласт пользователей, социальная система рекомендаций этого не заметит.

В отличие от "чистых" систем рекомендаций, разработка Sun Labs мгновенно вычисляет качественную музыку, независимо от того, какова ее популярность и сколько ей лет.

Во время эксперимента система была запущена на выборке из 5000 музыкальных композиций, после чего результаты были отсортированы в трехмерном виде, где на каждый "кубик" поместили фотографию исполнителя. Выглядит очень впечатляюще.

Единственная проблема системы от Sun Labs - чрезвычайная требовательность к вычислительным ресурсам. Обычному домашнему ПК понадобится шесть лет, чтобы проанализировать коллекцию из 2 млн. песен. Даже распределенная вычислительная сеть из сотен машин с трудом справляется с анализом такого объема данных (1000 машин делает это за два дня), к тому же потом нужно где-то хранить информацию о каждом 40-миллисекундном фрейме. Поэтому с реализацией программы для персональных компьютеров придется немного подождать.

Однако, у новой разработки огромный коммерческий потенциал. Система может использоваться для анализа, сравнения, рекомендаций, к тому же она способна и на многое другое. Скажем, составлять плейлисты с плавно изменяющимися характеристиками музыки. Например, двухчасовой плейлист, в котором интенсивность музыки постепенно спадает от очень высокой до очень низкой. Наверняка такой прием действует гипнотически и усыпит кого угодно.

Но самое интересное начнется тогда, когда сами музыканты начнут использовать эту программу для сочинения новой музыки - возможно, такой, какой человечество еще никогда не слышало.

Кстати, если вам не терпится проверить акустический анализ в действии, то можно посмотреть похожую разработку MusicIP.com. Эта программа основана на тех же принципах, хотя и более примитивна по реализации.

Анатолий АЛИЗАР