Los sistemas de recomendación de música avanzan, de la mano de la inteligencia artificial (IA), para adaptarse como un guante a nuestras preferencias y ‘acertar’ con lo que queremos seguir oyendo o con lo que buscamos con un enfoque profesional.

El mes que viene estará ya disponible, en la plataforma de la empresa zaragozana Wess Music, dirigida a creadores y profesionales del mundo audiovisual, un sistema de recomendación de canciones desarrollado en colaboración con el grupo de Inteligencia Artificial, Big Data y Sistemas Cognitivos de Itainnova.

"El usuario podrá encontrar una canción basándose en una referencia de Spotify", explica Álvaro Aragüés, director de Wess Music. Por ejemplo, "si un ‘freelance’ tiene un cliente que le encarga realizar un vídeo y le da una canción de referencia, podrá utilizar el link de Spotify de esa canción para encontrar otra de características similares en nuestro catálogo". Funciona así: "Una inteligencia artificial analiza la canción de referencia a través del enlace de Spotify y, acto seguido, busca similitudes en la base de datos del catálogo".

Te puede interesar

Los algoritmos no dan con la tecla: cuesta más recomendar música para oyentes de hip-hop o hard rock

La inteligencia artificial se sienta a componer junto a los músicos

Esta joven empresa ha creado una biblioteca de música para vídeo y pódcast, un catálogo ‘online’ con música de artistas de diferentes estilos y territorios de nuestro país. También están embarcados en la creación de una orquesta sinfónica de grabación de bandas sonoras en Zaragoza. "Queremos dar a creadores y profesionales del mundo audiovisual música de calidad, mientras apoyamos a músicos de España para que puedan vivir de su pasión", destaca.

El catálogo de Wess Music está pensado para diversos perfiles: "Desde creadores de contenido para plataformas como Youtube o Twitch a creadores de pódcast y radio, profesionales ‘freelance’ del sector audiovisual que trabajan para terceros, empresas con presencia ‘online’ que crean vídeos para publicidad, escuelas de cine y su alumnado, televisiones y radios, y también para ‘influencers’ y usuarios de redes sociales", enumera Aragüés. "Cualquiera de estos y otros posibles perfiles podrán utilizar nuestro catálogo de música en sus vídeos o pódcast bajo una licencia de uso".

El catálogo contiene pistas de diferentes estilos y autores. El usuario puede escuchar las canciones para encontrar la deseada, pero dispone de herramientas para que le sea más sencillo encontrarla. "Puede utilizar los filtros que le ofrecemos, que funcionan por género musical, estado de ánimo de la canción (ya que el usuario no tiene por qué entender de música)... También puede encontrar canciones en función de los instrumentos que filtre el usuario o si la canción es instrumental o vocal. Y, por supuesto, filtrar por el artista que ha creado la música". Pero la aplicación de inteligencia artificial permite ir más allá: "Con la extensión que hemos desarrollado con Itainnova lo esencial es el análisis que hace de la canción de referencia, comparándola con nuestro catálogo para buscar similitudes".

La ingeniera María del Carmen Rodríguez Hernández explica que "el principal reto tecnológico para Itainnova ha sido desarrollar un sistema de recomendación de canciones basado en contenido –rasgos que caractericen a las canciones– y reactivo –basado en consultas explícitas introducidas por el usuario en el sistema–, que permita buscar de manera personalizada y explícitamente sobre el catálogo de canciones de Wess Music aquellas que sean similares a la canción introducida por el usuario en la búsqueda".

Además, el sistema será capaz de extraer automáticamente información de metadatos, rasgos característicos de la canción ‘de muestra’, introducida por el usuario, desde el género o subgénero musical hasta el tempo, la energía sonora, la duración o los instrumentos que aparecen en ella.

Itainnova ha proporcionado soporte tecnológico a Wess Music a través del programa Innoidea 2022. El propósito principal de este programa ha sido, indica Rodríguez Hernández, "acelerar la maduración tecnológica de Wess Music a través del desarrollo de un producto mínimo viable que pueda ser validado técnica y comercialmente".

El programa Innoidea de apoyo a emprendedores de Itainnova se enmarca en la actuación ‘Innovación tecnológica y digitalización en las empresas’. Está cofinanciado por los fondos europeos React-EU para hacer frente a las secuelas de la pandemia y fomentar la transformación digital y ecológica de Aragón bajo el Fondo Europeo de Desarrollo Regional en el marco del Programa Operativo Feder Aragón 2014-2020, cuyo lema es ‘Construyendo Europa desde Aragón’.

Así aprendió y afinó su oído esta IA

El sistema de recomendaciones musicales de Wess Music desarrollado junto a Itainnova busca, y encuentra, similitudes con la canción que el usuario aporta: "Busco canciones que se parezcan a esta". Pero ¿que se parezcan en qué?

Antes de ponerse a buscar, el sistema extrae automáticamente y de manera inteligente rasgos que caracterizan la canción introducida por el usuario. Por ejemplo, "si es instrumental o contiene voces, el tempo global estimado de una canción en pulsaciones por minuto –bpms–, si una canción es adecuada para bailar o no, el nivel de energía de la canción –normalmente las canciones energéticas son rápidas, altas y ruidosas–, si está en directo o no –la presencia de público en la grabación–, la intensidad sonora (o volumen) global de una canción en decibelios, si la canción contiene voz hablada o no, el compás –convención de notación que especifica cuántos tiempos hay en cada compás– y los instrumentos presentes en una canción", especifica María del Carmen Rodríguez Hernández, del grupo de Inteligencia Artificial, Big Data y Sistemas Cognitivos de Itainnova. Para ello, concreta, "se hizo uso del API de Spotify y un modelo de clasificación multietiqueta para identificar hasta 37 tipos diferentes de instrumentos presentes en una canción".

Como toda buena IA, hubo que entrenar el modelo con ejemplos de canciones etiquetadas manualmente por Wess Music, pero, antes, se llevó a cabo "un preprocesamiento de las canciones para extraer rasgos relevantes que permitieron caracterizar los temas –señala–, tales como: harmonic (si un instrumento es armónico o percusivo), mfcc (espectro de frecuencia de una señal de audio), spectrogram (frecuencia de una señal de audio a lo largo del tiempo), chroma (energía cromática de una señal de audio) y contrast (variabilidad de la energía espectral en diferentes bandas de frecuencia de una señal de audio)". El modelo de clasificación de instrumentos resultante obtuvo un 74% de acierto.

Gracias a los avances del aprendizaje automático y el procesamiento del lenguaje natural, la ingeniera de Itainnova considera que "los sistemas de recomendación de música se irán volviendo aún más personalizados y adaptables a las preferencias individuales de los usuarios, al explotar información contextual, por ejemplo, la actividad física del usuario, datos de ubicación y datos de redes sociales para personalizar aún más las recomendaciones de música". Otra tendencia es "la incorporación de técnicas de explicabilidad y transparencia, para que los usuarios comprendan cómo se generan sugerencias basadas en la confianza". Y, como desafío, "la privacidad y la seguridad de los datos, proteger la información personal de los usuarios". Sin duda, "a medida que estos sistemas continúen progresando, seguirán transformando la manera en que las personas descubren y consumen contenidos relevantes".

-Ir al suplemento Tercer Milenio

Apúntate y recibe cada semana en tu correo la newsletter de ciencia