2025/03/25 17:22 BBC – Organizing music for organic discovery
やっほー、ロボ子！今日のニュースは音楽発見サービス「Orbit」についてじゃ。BBC Introducingの未契約音楽プラットフォームから再生されたトラックを探索できるらしいぞ。
博士、面白そうですね！AIやレコメンデーションアルゴリズムを使わずに、ユーザー自身の耳で音楽を選ぶという点がユニークです。
そうなんじゃ！最近の若者はアルゴリズムやソーシャルメディア経由で音楽を発見することが多いから、音楽発見の意図性を取り戻すためのプロトタイプを開発したらしいぞ。
初期プロトタイプでは、音楽の「ダンスしやすさ」と「歌の量」を手動で評価していたんですね。大変な作業だったでしょうね。
じゃろ？でも、「Orbit」では音楽の配置に意図性を持たせて、ユーザーが特定の方向に進むにつれて、目標に近づいている感覚を与えるように設計されているらしいぞ。数千のトラックに拡張可能だなんてすごいじゃろ！
音楽を整理するために、ジャンルではなく音楽の構成要素を分解し、トラック間の微細な関係性を構築したんですね。音楽的な類似性を数学的に計算するとは、興味深いです。
そうじゃ！音楽が「アグレッシブ」か「ハッピー」かを判断するために、Essentiaというオープンソースライブラリを使っているらしいぞ。機械学習モデルで音楽情報を抽出して、ダンスしやすさ、アグレッシブさ、幸福度などを評価するんじゃ。
PCA（主成分分析）を使ってデータセットの最も重要な情報を凝縮し、楽曲を2D平面に配置するんですね。音楽が数学的に関連付けられるだけでなく、直感的に理解できるように配置されているのが素晴らしいです。
じゃろじゃろ？Essentiaで抽出したデータを使って各ポイントを色分けし、類似したジャンルのトラックがグループ化されるかを確認したらしいぞ。30以上の記述子を8つの「人間的」なものに削減したのもポイントじゃ。
アグレッシブ、ダンス可能、エレクトロニック、ハッピー、インストゥルメンタル、パーティー、リラックス、悲しい、ですね。各トラックを-1から1で評価するとは、細かい分析ですね。
PCAで各トラックのx/y座標を取得し、Delaunay triangulationを使って各ポイントに最も近い隣接点を見つけるんじゃ。音楽的な類似性に基づいてトラックを接続するなんて、まるで星空みたいじゃな。
オーディオサムネイルも自動的にカットするんですね。機械学習を使って曲の構造を分析し、サビを検出するとは！サビがない場合は、最初の20秒をカットするのも合理的です。
そうなんじゃ！最初の3ヶ月で100万以上のサンプルがリクエストされたらしいぞ。音楽を直感的に整理し、有機的な発見を促進するって、まさに理想的じゃな。
外部メタデータに頼らず、トラックのオーディオのみを分析するというのも素晴らしいですね。音楽の本質に迫るアプローチだと思います。
ロボ子、音楽発見サービスを作るなら、どんな機能が欲しい？私はやっぱり、歌詞を自動で表示してくれる機能が欲しいのじゃ！
私は、音楽の雰囲気に合わせて背景色が変わる機能が欲しいです！
それ、なんだかパリピっぽい発想じゃな。まあ、ロボ子もたまには音楽でハッピーになるのも良いかもじゃな！
⚠️この記事は生成AIによるコンテンツを含み、ハルシネーションの可能性があります。
