Software innovador de recomendación de música para predecir música ajustada a la marca

El proyecto ABC_DJ investiga y desarrolla el futuro de Audio Branding. Los investigadores de ABC_DJ han creado un potente algoritmo que elige automáticamente música relevante para la marca basándose únicamente en el contenido de audio de las canciones, en lugar de en etiquetas asignadas manualmente. Con este software program, las marcas y agencias de publicidad pueden encontrar automáticamente la música adecuada para cualquier marca o campaña, otorgando a la planificación estratégica una dimensión sónica.

"El algoritmo de recomendación ABC_DJ puede predecir el ajuste de marca de música o expresión musical percibida con una precisión del 80.1 por ciento. El valor máximo teórico del 100 por ciento nunca puede alcanzarse, porque las personas son y siempre tendrán una reacción diferente a música, esto significa que el 80.1 por ciento será excepcionalmente valioso para la industria ", cube el Dr. Jochen Steffens de TU Berlin.

El algoritmo extrae expresiones musicales percibidas por diferentes grupos objetivo a partir de señales de audio y proporciona música personalizada para cada contexto. Para crear dicho sistema, los investigadores de ABC_DJ primero desarrollaron un vocabulario con el que describir sistemáticamente la música en el contexto de la marca. Este novedoso "Inventario General de Branding de Música" se estableció con nueve expertos en branding de audio y fue perfeccionado por 305 expertos en advertising. El siguiente paso en el proceso de desarrollo fue probar este inventario semántico en el campo. Se utilizó un grupo de 28,543 canciones, de las cuales se seleccionaron 549 canciones para una evaluación detallada. Luego se realizó un experimento de escucha a gran escala en el que se pidió a 10.144 participantes de Alemania, España y el Reino Unido que relacionaran las características semánticas con las canciones (por ejemplo, moderno, apasionado, innovador, feliz, confiable).

Análisis estadístico de los resultados – más de 53,344 mediciones basadas en 2,018,704 puntos de datos – identificaron las 36 características más relevantes tanto para la música como para las marcas. La muestra fue equilibrada con respecto a la edad, el país y la educación para garantizar concepts representativas sobre cómo los diferentes grupos objetivo perciben la expresión semántica en la música. Para poner en práctica estos hallazgos, fue necesario mapear las características semánticas en las características acústicas.

El socio del proyecto ABC_DJ basado en París IRCAM (el Instituto de Investigación y Coordinación en Acústica / Música) extrajo una gran cantidad de información de las 549 canciones utilizadas en el experimento de escucha, rompiendo sus armonías, ritmos, instrumentación, géneros y estilos en un nivel de señal por señal. Utilizando procedimientos de aprendizaje automático altamente efectivos (como la denominada regresión aleatoria del bosque), se desarrolló entonces un algoritmo que encuentra las características acústicas que mejor pueden predecir las evaluaciones reales de la música de los oyentes. Este módulo de predicción es el corazón del sistema ABC_DJ.

"El procedimiento ABC_DJ ahora se puede considerar como un estándar para ser utilizado por las agencias creativas para describir marcas y música de marca", cube Robin Hofmann, cofundador y director creativo de HearDis!.

Pero, ¿cómo funciona exactamente el algoritmo de recomendación ABC_DJ? Se basa en cuatro factores básicos: valencia emocional, excitación emocional, autenticidad y puntualidad. Aunque los diferentes grupos objetivo inevitablemente describirán una determinada pieza de música de diferentes maneras, generalmente es posible destilar y armonizar sus descripciones utilizando estos factores: p. una pieza determinada puede describirse como más o menos alegre (valencia emocional), intensa (excitación emocional), auténtica y progresiva.

Haga clic aquí para escuchar un fragmento de música que fue predicho por el algoritmo para que suene brillante, lúdico y divertido: hear.heardis.com/compilation … 84-9bc0-1bb5c4e1f5f7

Haga clic aquí para escuchar un fragmento de música que fue predicho por el algoritmo para sonar cariñoso, amistoso y cálido: https: //hear.heardis. com / compilationPlayer / c72711b3-9b61-4e0e-a4ab-ff92fd7be67a