Dolgin.indb
Шрифт:
лись тысячи респондентов. Система, как утверждают ее создатели, выдает высокоточные рекомендации.
Движок MusicGenome изучает вкус абонента, затем генерирует
плей-лист подходящих ему песен. Клиентам не нужно предоставлять
информацию о своих предпочтениях, достаточно ранжировать око-
ло 10 произвольно выбранных фрагментов, присвоив им баллы от 1
(«ненавижу») до 5 («люблю»). На основе ответов система составляет
профиль абонента и в соответствии с ним подбирает произведения
по
цию (для кардиотренировки, под «меланхоличное настроение», «для
романтического ужина» и т.д). Дифференцированные рекомендации
возможны благодаря опции Multi-Profi le Support (поддержка много-
численных профилей одного и того же пользователя). Выбирая но-
вые песни из рекомендованного плей-листа, клиент информирует
систему о своих предпочтениях, и его профиль обновляется, благо-
даря чему подсказки становятся все точнее.
Разработки MusicGenome могут использоваться на любых плат-
формах – в веб-сайтах, беспроводных устройствах, электронных киос-
ках в магазинах. В частности, MusicGenome оборудовала электронные
киоски Smart Music Terminals в сети музыкальных магазинов Media Markt (180 магазинов в Германии + 140 магазинов в других странах
87 Представлена в январе 2001 г. на конференции музыкальной индустрии MIDEM в
Каннах.
540
ПРИЛОЖЕНИЕ 1: МАРКЕТИНГ МУЗЫКАЛЬНЫХ ЗАПИСЕЙ
Европы). Они облегчают покупателям поиск, позволяя прослушивать
музыку и выдавая рекомендации непосредственно во время шопинга.
Следующий шаг на рынке рекомендательных систем предпринят
компанией Gigabeat. Решив, что опций, поддерживаемых одной техно-
логией, для успешной работы недостаточно, создатели Gigabeat интегри-
ровали музыкальный анализ, коллаборативную фильтрацию, рецензии
критиков и отклики пользователей.
Несмотря на то что рекомендательные сервисы интенсивно разви-
вались, исследовательское агентство Jupiter опубликовало в 2001 году
прогноз, в котором утверждалось, что бурное увлечение этими серви-
сами скоро пройдет, так как потребители теряют интерес к очередному
из них, пробуют следующий, а потом забывают, что они нашли нового
и где. Если эти сайты не будут работать в партнерстве с провайдерами/
дистрибьюторами контента, о них быстро забудут.
В том же 2001 году началось объединение файлообменных сетей
и рекомендательных сервисов. Еще судясь с RIAA, в марте 2001 года
Napster приобрел сервис по рекомендации музыки компании Gigabeat.
Подписку планировали открыть летом 2001 года, однако Napster был
закрыт, и эти планы не сбылись. Интернет-адрес Gigabeat.com
ящее время занят сайтом, посвященным портативному музыкальному
плееру Toshiba GIGABEAT Digital Audio Player (конкуренту iPod).
Еще один рекомендательный сервис принадлежал компании Music Buddha, Inc из Сан-Франциско88. Система анализировала элементы
звукового ряда и предоставляла характеристики цифровой музыки для
бизнеса, а также рекомендации по выбору музыки для потребителей.
Не все пионеры рекомендательных технологий дожили до сегод-
няшнего дня. Но среди них есть такие, которые успешно действуют
и поныне, например Music Genome ProjectTM компании Savage Beast Technologies89. Эта система не требует от пользователя никаких усилий, она просто мониторит поведение абонента в сети: что ищет и прослу-
шивает (какие песни/альбомы, произведения каких артистов), что при-
обретает в магазинах партнеров. Информация постепенно накаплива-
ется, уточняя профиль предпочтений клиента.
Вероятно, это самая мощная навигационная и промоутерская сис-
тема по музыке. Savage Beast сотрудничает с: онлайновыми музыкаль-
ными магазинами; интернет-порталами; сервисами, действующими
88 Через какое-то время разработки и интеллектуальная собственность компании
были проданы для покрытия долгов.
89 Ныне Pandora MediaTM (www.pandora.com).
541
ПРИЛОЖЕНИЯ
по подписке; рекорд-лейблами; розничными магазинами (в виде элек-
тронных киосков); интернет-радио-провайдерами; легальным P2P-
сервисами; производителями электронной аппаратуры; поставщиками
контента для мобильных телефонов.
Savage Beast и его крупнейшие клиенты
Проблемой идентификации музыкальных произведений с помо-
щью внутренних характеристик музыки занимался целый ряд компа-
ний. Agent Arts, Friskit, HiFind, Mood Logic, Mongo Music, Music Buddha и Savage Beast привлекали для классификации и описания музыки рес-
пондентов. Cantametrix и Mongo Music формировали свои базы данных
с помощью машинного распознавания мелодий.
В области извлечения музыкальной информации остается ряд не-
решенных проблем: сегментация мелодий, отделение голоса, иденти-
фикация исполнителя и т.д.
11.2. Обзор разработок в области распознавания
цифровой музыки
eTantrum90
Компания eTantrum представила некоммерческую открытую вер-
сию музыкальной идентификации Music ID Service в сентябре 2000