Valence
Roon steigert den Wert von Musik, indem es Daten, Identifikation und maschinelles Lernen nutzt, um Musik in einen umfassenden Kontext zu stellen und den Hörern zu helfen, sich intensiver mit ihr zu beschäftigen. Valence ist der Technologie-Stack, der dies möglich macht.
Beitragen

Der Übergang von physischen zu digitalen Medien birgt ein großes Versprechen für ein reichhaltigeres Musikerlebnis, aber bisher wurde dieses Versprechen meist nicht eingelöst. Der Grund dafür ist (unserer Meinung nach), dass es für Musikfans um mehr geht als um das Hören von Musik. Fans wollen etwas über Musik wissen und die Menschen verstehen, die sie machen; sie wollen intellektuelle und emotionale Verbindungen herstellen, die ihre eigenen Lebenserfahrungen bereichern.

Physische Formate wie Vinyl und CD hatten Linernotes, die eine Fülle von Informationen enthielten, aber Downloads und Streams haben diese entfernt. Unser Ziel war es, zunächst all diese Daten wiederherzustellen und dann weiterzugehen, indem wir neue Technologien nutzen, um mehr zu erreichen, als es mit physischen Medien jemals möglich war.

Valence ermöglicht uns, dies in mehreren Schritten zu tun. Wir beginnen mit der Zusammenführung verschiedener Datenquellen, einschließlich kommerzieller Metadaten, Crowdsourcing-Beiträgen und der Hörhistorie von Hörerexperten. Als nächstes identifizieren wir jedes Datenobjekt, auf das das System stößt, sei es eine Datei auf einer Festplatte, ein Stream von einem Musikdienst oder die Erwähnung eines Produzenten in einem Artikel über ein Album. Anhand dieser Bausteine erstellt Valence eine Datenbank nicht nur mit Künstlern, Alben und Titeln, sondern auch mit Komponisten, Werken, Aufführungen, Dirigenten, Ensembles, Solisten, Labels und Mitarbeitern. Diese Datenbank ermöglicht es uns, ein Verständnis für die Beziehungen zwischen musikalischen Entitäten, ihre Popularität, ihre Ähnlichkeit und die Kategorien, in die sie natürlicherweise fallen, zu entwickeln. Das Ergebnis ist eine Empfehlungsmethodik, die maßgebliche Metadaten, Expertenmeinungen, Popularität, Kontextbewusstsein und Geschmacksprofile der einzelnen Nutzer konsequent berücksichtigt.

Aggregation

Es gibt viele Quellen für Musik-Metadaten. Einige bieten eine große Bandbreite (Abdeckung einer großen Anzahl von Veröffentlichungen), andere eine große Tiefe (sehr detaillierte oder spezifische Daten), aber keine einzige Datenquelle hat alles. Zahlreiche spezialisierte Quellen haben nur einen einzigen Datentyp (z. B. Konzerte oder Liedtexte).

Die Grundlage von Valence - die Musikdatenbank - wird durch die Kombination mehrerer Datensätze aus verschiedenen Quellen erstellt. Jeden Tag werden Terabytes an Informationen aufgenommen, dedupliziert und disambiguiert; das Ergebnis ist ein umfassendes Kompendium von Aufnahmen, Interpreten, Komponisten und Kompositionen.

Lizenzierte Daten

Wir kaufen Datenfeeds von einer Reihe kommerzieller Datenanbieter, darunter Xperi (früher All Music Guide), Songkick und LyricFind. Die lizenzierten Daten sind in der Regel recht umfassend, auch wenn ihr Umfang oft begrenzt ist.

Crowdsourced Daten

Einige Anbieter wie MusicBrainz und Discogs sind auf Datenbeiträge ihrer Nutzer angewiesen. Der Hauptvorteil des Crowdsourcing-Modells besteht darin, dass es den Zugang zu Daten ermöglicht, die in kommerziellen Quellen nicht verfügbar sind. Möglicherweise gibt es keinen guten wirtschaftlichen Grund, bestimmte Daten zu sammeln oder zu erstellen, so dass es an den Enthusiasten liegt, dies zu tun, und sie leisten häufig hervorragende Arbeit.

Geschichte des Zuhörens

Roon-Benutzer tragen ihr Wissen bei, indem sie einfach ihre Lieblingsmusik hören. Da sie sehr meinungsfreudige Hörer sind, loten sie jeden Tag die Tiefen ihrer Lieblingsgenres und -stile aus, und diese Verbindungen bilden die Grundlage für die Modelle und Karten von Valence.

Beitrag der Gemeinschaft

Valence hat eine Geheimwaffe, wenn es um saubere Daten geht: die Expertise der Roon-Community. Diese leidenschaftliche Gruppe, bestehend aus Musikprofis, Audiophilen und selbsternannten Musik-Nerds, hat unsere Lokalisierungen und das Internetradio-Verzeichnis bereitgestellt und beginnt nun, neue Daten für Valence zu erstellen und zu kuratieren.

Identifizierung

Da Valence eine Karte des gesamten Musikkorpus sein soll, muss es in der Lage sein, jede Aufnahme zu identifizieren, die sich jemand anhören könnte. Die Musikdaten, die von einer bestimmten Quelle (sogar von Plattenfirmen) zur Verfügung stehen, sind ebenfalls von Natur aus unvollkommen, so dass Valence davon ausgeht, dass keine von ihnen maßgebend ist.

Identifizierung der Daten

Die von Valence aufgenommenen Daten stammen von Rechteinhabern (Plattenfirmen), kommerziellen Datenanbietern, gemeinnützigen Datenprojekten und der Roon-Community. Ein Teil der Daten in Valence kann aus jeder dieser Quellen stammen und wird immer detaillierter, je mehr Beweise für seine Richtigkeit in zusätzlichen Datenquellen gefunden werden. Dieser einzigartige Aggregationsansatz bedeutet, dass der Index von Valence nach einer vollständigen täglichen Aufnahme wohl der größte und genaueste der Welt ist.

Identifizierung der Datei

Valence verwendet einen Ansatz, der die Dateinamen, die Verzeichnisstruktur, die Tag-Daten und die Dateilänge berücksichtigt, um Roon mit hoher Zuverlässigkeit Alben und Titel zuzuordnen.

Identifizierung von Bächen

Die meisten Musikplayer interagieren mit Streaming-Diensten über eine API für die Suche, das Browsing und die Wiedergabe; sie sind auch für die meisten oder alle Musik-Metadaten auf diese API angewiesen. Valence nimmt jeden Tag die vollständigen Kataloge der integrierten Musikdienste auf und bestimmt dann (im Voraus), welche seiner eigenen Daten auf jeden Stream von jedem integrierten Dienst angewendet werden sollen.

Ein umfangreicheres Schema

Die aggregierte Datenbank von Valence ist der heilige Gral: eine enorme Breite des Erfassungsbereichs bei gleichzeitiger Tiefe und Reichhaltigkeit der Daten.

Aufzeichnung von Daten

Unter "Metadaten" versteht man üblicherweise den Namen eines Albums und die darauf enthaltenen Titel. Valence geht noch weiter und erfasst Album- und Track-Level-Credits, Aufnahmedaten, Veröffentlichungs- und Wiederveröffentlichungsdaten, Label, Bewertung und Rezensionen sowie die Unterscheidung zwischen verschiedenen Versionen eines Albums.

Biographische Daten

Zusätzlich zu den Aufnahmedaten sammelt Valence Informationen über Interpreten, Komponisten, Produzenten und Dirigenten, einschließlich ihrer Lebensdaten, Biografien und auch Orte, an denen sie gelebt haben, Bands oder Ensembles, in denen sie mitgewirkt haben, soziale Links und anstehende Konzerttermine.

Angaben zur Zusammensetzung

Im Datenmodell von Valence sind Aufnahmen (Tracks) Instanzen von Kompositionen, was insbesondere dann wichtig ist, wenn ein Künstler einen Song eines anderen Künstlers covert oder (wie es nicht nur in Klassik und Jazz, sondern auch in Rock und Pop häufig der Fall ist) Komponist und Interpret nicht dieselbe Person sind.

Modellierung und Synthese

Auf der Grundlage von Metadaten erstellt Valence Modelle der Beziehungen zwischen Musikstücken und den Menschen, die sie schaffen. Diese Modelle ermöglichen es, die Musikwelt aus der Perspektive eines Fans oder Experten zu verstehen.

Granulare Popularität

Valence erstellt interne Popularitäts-"Charts" auf allen Ebenen: Künstler, Album, Titel und Komposition. Außerdem erstellt es mehrere spezifische Charts pro Genre und eine Serie, die der klassischen Musik gewidmet ist.

Rollen und Beziehungen

Was Menschen in der Musik machen, prägt Valence' Modell der Musikwelt. So hat Trent Reznor beispielsweise eine andere Beziehung zu der von ihm geschaffenen Musik, wenn er der Frontmann von Nine Inch Nails ist, mit Atticus Ross an einer Filmmusik arbeitet oder ein Album für Halsey produziert.

Kompositions-Aufnahme-Zuordnungen

Eine Sonate mit drei Sätzen ist keine Garantie dafür, dass es auf einem Album, das diese Komposition enthält, auch drei entsprechende Titel gibt. Das Verständnis der zugrundeliegenden Werke und ihrer Unterteilungen ermöglicht es Valence, Coverversionen von Popsongs, Jazzstandards aus dem American Songbook und mehrteilige klassische Werke korrekt wiederzugeben.

Ähnlichkeitsmodell

Das Ähnlichkeitsmodell von Valence zeigt, wie ähnlich bestimmte Künstler, Alben und Titel anderen Künstlern, Alben und Titeln sind. Es basiert sowohl auf dem Nutzerverhalten (Menschen, die X mögen, mögen auch Y) als auch auf Expertenmeinungen oder Ground Truth.

Künstler "Blütezeit"

Im Laufe der Karriere eines Künstlers oder Komponisten treten oft Muster auf, die Bereiche mit besonders geschätztem Material illustrieren. Valence modelliert diese Bereiche, um eine Vorstellung von der "Blütezeit" zu schaffen - Zeiten, die in der Karriere der betreffenden Person besonders bemerkenswert sind.

X-ness

Musiker entwickeln sich oft im Laufe ihrer Karriere weiter. Valence vergibt Noten für "Genialität" und "Kompositionsfähigkeit" (neben vielen anderen Vektoren), um herauszufinden, ob Taylor Swift eine Pop- oder eine Country-Künstlerin ist oder ob Bob Dylan als Performer oder Songwriter betrachtet werden sollte.

Empfehlung

Valence berücksichtigt bei der Erstellung von Musikempfehlungen fünf Faktoren. Zusammengenommen ermöglichen sie musikalisch sensible, nutzerzentrierte Vorschläge, die in ihrer Genauigkeit unheimlich sind.

Relevanz- und Beliebtheitsmodelle

Innerhalb der Grenzen der metadatengesteuerten Verbindungen verwendet Valence seine Modelle, um eine nuanciertere und aussagekräftigere Reihe möglicher Empfehlungen zu erstellen und zu verfeinern.

Kontextsensitivität

Der Kontext, in dem eine Empfehlung ausgesprochen wird, kann sich radikal auf ihre Genauigkeit auswirken. Eine großartige Liste von R&B-Alben wäre völlig anders, wenn man Aretha Franklin als Frank Ocean ansieht; eine Liste bemerkenswerter Pianisten im Zusammenhang mit Chopin hat nichts mit derjenigen im Zusammenhang mit Post-Bop-Jazz gemein.

Geschmacksprofil

Valence erstellt ein privates Modell, das im Profil eines jeden Nutzers gespeichert wird und die Facetten des Geschmacks des Nutzers auf der Grundlage seiner Bibliothek und seiner Hörgeschichte dokumentiert. Die Empfehlungen werden unter Berücksichtigung dieses Geschmacksprofils gewichtet.

Maßgebliche Metadaten

Faktische Informationen bilden die Grundlage für Empfehlungen; so ist beispielsweise das Wissen, dass zwei Musiker zusammengearbeitet haben, der beste Beweis für eine Verbindung zwischen ihnen. Redaktionelle Informationen (wie z. B. Genre-Kategorisierungen und Album-Bewertungen) bieten eine weitere Dimension, auf der die Vorschläge beruhen.

Expertenmeinung

Unabhängig von den technischen Ansätzen für die zugrundeliegende Datenwissenschaft ist das Fachwissen über Musik das Rückgrat von Valence. Was es auszeichnet, sind Feinheiten wie die Unterschiede zwischen 60er-Jahre- und zeitgenössischem R&B, oder die Tatsache, dass Taylor Swift mit Country anfing und schließlich die Pop-Charts beherrschte, oder dass man Beethovens Streichquartette wahrscheinlich nicht zwischen den Sätzen seiner Sinfonien hören möchte.

Valence bei der Arbeit in Roon
Datenbewusste Benutzeroberfläche

Eines der auffälligsten Beispiele für Valence in Roon sind die Elemente der Benutzeroberfläche, die als Reaktion auf den Kontext erscheinen. Wenn Sie sich zum Beispiel einen Künstler ansehen, mit dem Sie oft zusammengearbeitet haben, sehen Sie vielleicht "vorgestellte Mitwirkende" oder wenn der Künstler Teil einer Szene ist, sehen Sie vielleicht "andere Künstler aus Glasgow". Roon enthält Hunderte von Benutzeroberflächenelementen, die nur im Zusammenhang mit den entsprechenden Daten angezeigt werden.

Verschachtelte Bibliothek

Da lokale und Streaming-Inhalte auf die gleiche Weise identifiziert werden, werden beide mit Metadaten angereichert und in Roon verschachtelt. Dies beseitigt Inhaltssilos und ermöglicht ein echtes absichtsgesteuertes Browsen - der Fokus liegt auf dem, was Sie hören wollen, nicht darauf, wo sich das Ding befindet.

Neue Veröffentlichungen

Neuerscheinungen werden in Roon in verschiedenen Kontexten angezeigt, und in jedem Kontext sind die Ergebnisse völlig unterschiedlich. Die Neuerscheinungen auf dem Startbildschirm werden anhand des Geschmacksprofils gefiltert, aber die Neuerscheinungen auf dem Interpretenbildschirm berücksichtigen zusätzlich das Genre und die aktiven Jahre des Interpreten, um die Relevanz zu erhöhen.

Tägliche Mischungen

Jeden Tag erstellt Valence sechs einzigartige 25-Track-Mixe für jeden Roon-Benutzer. Jeder Mix ist einem Künstler gewidmet, der in der Hörgeschichte des Benutzers eine wichtige Rolle spielt, und kombiniert eine Auswahl, die dem Benutzer wahrscheinlich vertraut ist, mit einer Auswahl, die den Geschmack des Hörers herausfordert.

Spam-Filter

Wie jedes große System lädt auch die Lieferkette für Musikstreaming zum Missbrauch ein. Viele "Bad Actor"-Labels veröffentlichen nicht authentische Aufnahmen, um Nutzer dazu zu bringen, sich ihre Streams anzuhören. Valence ermöglicht es Roon, diese minderwertigen Inhalte herauszufiltern und nur echte Veröffentlichungen anzuzeigen.

Schwerpunkt

In Roon stellt Focus die Fähigkeiten von Valence direkt dem Benutzer zur Verfügung und ermöglicht eine mehrdimensionale Filterung von Künstlerdiskografien und ganzen Benutzerbibliotheken.

Suche

Traditionell ist es eine Sache, einen Satz lokaler Dateien zu durchsuchen, und eine andere, einen entfernten Datensatz per API zu durchsuchen. Roon macht beides mit einer einheitlichen Benutzeroberfläche möglich, indem es die aggregierte Datenbank von Valance und eine kontextbezogene Suche nutzt, die sowohl die Genauigkeit als auch die Relevanz verbessert.