음악감상
1. 음악검색
2. 음악추천
------------
1. 음악검색
1) Query by music
2) Query by humming
※ Query : 컴퓨터에게 질의하는 데이터
* Query by music(= music idenification)
- 오디오 음원에 대하여 특정 앨범, 가수, 곡 제목을 정확히 인식
- Shazam, 네이버 뮤직검색 등
- 오디오 핑커프린팅(Audio fingerprinting)을 기반으로 한다.
※ 오디오 핑커프린팅(Audio fingerprinting)
- 사람마다 고유한 지문(Fingerprinting)이 있듯
각 음원에도 고유한 오디오 지문/패턴이 있다.
- 음악을 들려주거나 검색을 하면,
서버나 프로그램에 저장된 오디오 핑거프린트 데이터베이스와 일치하는 곡을 찾는 것이다.
* Query by humming
- 허밍으로 부르는 멜로디를 바탕으로 음원 검색
- Query by music은 음원이 재생되고 있어야 검색되는 것이지만,
Query bu humming은 입으로 멜로디를 흥얼거리면 검색을 해준다.
- SoundHound가 대표적이다.
※ 멜로디 : 음악을 인식하기 위한 가장 간단하면서 중요한 정보다.
-----------
2. 음악추천
1) 큐레이션 기반 선곡
2) 협업 필터링
3) 전문가 음악 분석
4) 오디오 분석
* 큐레이션 기반 선곡
- 장점 : 좋은 음악 발견, 장르별에 대한 이해하기 좋다.
- 단점 : 개인화된 추천 불가, 선곡 리스트가 제한적
- 대표적인 것이 라디오가 있다.
* 협업 필터링(Collaborative Filtering)
- 장점 : 개인화된 추천가능, 새로운 음악 발견
- 단점 : 신곡을 추천받기 어렵다(Cold start), 인기도에 편향된 추천(Popularity bios)
* 음악전문가에 의한 오디오 분석
- 장점 : 오디오 기반 분석으로 인기도와 관계없이 추천받음, 개인화된 선곡 가능, 새로운 음악발견
- 단점 : 시간이 오래걸리고 비용이 많이 발생함
Pandora : Music genome project(1999)
- 음악전문가 음악을 묘사하는 450개의 표현을 만드는 서비스
- 각 곡에 대한 분석된 태그를 바탕으로 유사한 음악 선곡
* 컴퓨터 기반 오디오 분석
- 장점 : 협업필터링에 대한 문제점이 없음, 컴퓨터가 선곡 : 쉽게 수많은 선곡이 가능
- 단점 : 음악 외적인 부분을 파악할 수 없음 : 인디, 아이돌, 가수의 평판 및 외모
음악적 질 또는 수준을 컴퓨터가 평가하기 어려움
좋은 알고리즘이 필요함!
- 컴퓨터 기반으로 오디오 분석하여 음악적 특징을 추출하고 태그를 예측함
- 기계학습(Machine learning) 사용
댓글
댓글 쓰기