Soundpark mit Musikempfehlungssystem
Das Österreichische Forschungsinstitut für Artificial Intelligence [OFAI] hat für den FM4-Soundpark ein Musikempfehlungssystem entwickelt, das auf Basis einer Frequenzanalyse der Songs ähnliche Titel vorschlägt.
Seit Dienstag steht Nutzern des FM4-Soundparks ein Musikempfehlungssystem zur Verfügung, das die Navigation durch die rund 8.800 Titel der Online-Musikplattform verbessern und das Auffinden neuer Musik erleichtern soll.
Beim Anhören eines Tracks werden den Nutzern drei weitere ähnliche Songs aus der Soundpark-Datenbank empfohlen. Daneben können sich Soundpark-User nach Eingabe eines Start- und Endsongs auch automatisch Playlists erstellen lassen.
Frequenzanalyse als Basis
Entwickelt wurde das System von der Abteilung für Intelligent Music Processing and Machine Learning am OFAI, die sich seit Jahren mit Technologien zur intelligenten Musikverarbeitung befasst und zu Music Information Retrieval [MIR] forscht.
Als Basis für die Ermittlung von Ähnlichkeiten zwischen den Songs dienen den Forschern eine Frequenzanalyse der Audiodateien [MP3 oder WAV] und die anschließende statistische Modellierung der Daten. "Die Musikstücke werden in Millisekunden-Frames zerhackt. Dann wird die Klangfarbe analysiert, etwa welche Höhen, Tiefen und Obertöne vorkommen", erklärt Arthur Flexer vom OFAI. So könne die Ähnlichkeit der Musikstücke in Zahlen dargestellt werden.
Die Analyse eines Songs dauert laut Flexer mit aktueller PC-Hardware etwa 1,5 Sekunden und beinhaltet die Frequenzanalyse und das Berechnen des statistischen Modells. Der Vergleich von zwei Songs nehme hingegen nur rund zehn Mikrosekunden in Anspruch. So könne ein Song mit allen anderen Songs im FM4-Soundpark in weniger als einer Sekunde verglichen werden, rechnet Flexer vor.
Music Information Retrieval
Das zunehmend breiter und unübersichtlich werdende Musikangebot im Internet verlangt nach neuen Methoden der Analyse, Beschreibung, Distribution und Präsentation von Musik. Music Information Retrieval, ein wisschenschaftliches Feld im Schnittpunkt von Signalverarbeitung, Psychoakustik, Informationsvisualisierung, Informationssuche, Musikwissenschaft und Artificial Intelligence, sucht nach Möglichkeiten, die Orientierung im ausufernden Musikangebot zu verbessern.
"Wertvolle Testumgebung"
Anders als etwa beim US-Musikempfehlungssystem Pandora, wo die Songs von Experten anhand von rund 200 musikalischen Kategorien untersucht und eingeordnet werden, erfolgt die Musikanalyse beim OFAI-System ausschließlich durch den Computer. Die Expertenanalyse funktioniere natürlich besser, meint Flexer, die Anzahl der Songs sei jedoch bei dieser Art der Analyse begrenzt.
Auch zu kollaborativen Filtermethoden, wie sie etwa bei last.fm zur Anwendung kommen, gebe es große Unterschiede. Bei last.fm wird etwa das Hörverhalten der Nutzer mit dem anderer User verglichen. Der tatsächliche Audioinhalt der Musikstücke werde bei last.fm gar nicht berücksichtigt, sagt Flexer: "Das ist ein völlig anderer Ansatz. Unser System analysiert direkt das Audiosignal."
Für das Institut sei der Soundpark eine wertvolle Testumgebung, um die Technologie im "echten Leben" auszuprobieren. Kommerzielle Anwendungen seien vorerst noch nicht angedacht, so Flexer. Aus der Ähnlichkeitsanalyse ließen sich jedoch eine Reihe von Anwendungen ableiten.
Visualisierung geplant
In einem weiteren Schritt sollen die Ähnlichkeiten von Songs im FM4-Soundpark auch visuell dargestellt werden. Noch im Herbst ist die Visualisierung der Soundpark-Tracks auf einer zweidimensionalen Karte geplant.
Social-Networking-Plattformen, personalisierte Web-Radios und MP3-Blogs zeigen Möglichkeiten auf, neue Musik zu entdecken. Der britische Psychologe David Jennings hat darüber ein Buch geschrieben. ORF.at sprach mit Jennings im vergangenen November über die neue Musiklandschaft im Netz.