Compramos datos a varios proveedores comerciales, como Xperi (antes All Music Guide), Songkick y LyricFind, entre otros. Los datos obtenidos bajo licencia suelen ser bastante completos, aunque su amplitud es a menudo limitada.
Algunos proveedores, como MusicBrainz y Discogs, dependen de las contribuciones de sus usuarios para obtener datos. La principal ventaja del modelo de crowdsourcing es que proporciona acceso a datos que no están disponibles en fuentes comerciales; puede que no haya una buena razón económica para recopilar o crear determinados datos, por lo que son los entusiastas quienes deben hacerlo, y con frecuencia hacen un trabajo excepcional.
Los usuarios de Roon aportan sus conocimientos simplemente escuchando su música favorita. Como son oyentes con una gran capacidad de opinión, cada día sondean las profundidades de sus géneros y estilos favoritos, y esas conexiones forman la base de los modelos y mapas de Valence.
Valence tiene un arma secreta cuando se trata de datos limpios: la experiencia de la comunidad Roon. Compuesta por profesionales de la música, audiófilos y fanáticos de la música confesos, este apasionado grupo ha proporcionado nuestras localizaciones, directorio de radio por Internet, y ahora está empezando a crear y curar nuevos datos utilizados por Valence.
Los datos que ingiere Valence proceden de titulares de derechos (discográficas), proveedores de datos comerciales, proyectos de datos sin ánimo de lucro y la comunidad Roon. Un dato de Valence puede proceder de cualquiera de estas fuentes, y crecer y volverse más detallado a medida que se encuentran pruebas que corroboran su exactitud en fuentes de datos adicionales. Este enfoque único de la agregación significa que, tras una ingestión diaria completa, el índice de Valence es posiblemente el mayor y más preciso del mundo.
Valence utiliza un enfoque que tiene en cuenta los nombres de los archivos, la estructura de los directorios, los datos de las etiquetas y la longitud de los archivos para proporcionar a Roon identificaciones de álbumes y pistas de alta fiabilidad.
La mayoría de los reproductores de música interactúan con los servicios de streaming mediante una API de búsqueda, navegación y reproducción; también dependen de esas API para la mayoría o la totalidad de sus metadatos musicales. En realidad, Valence ingiere cada día los catálogos completos de los servicios de música integrados y luego determina (por adelantado) cuáles de sus propios datos deben aplicarse a cada flujo de cada servicio integrado.
Convencionalmente, "metadatos" implica el nombre de un álbum y las pistas que contiene. Valence va más allá y recoge los créditos del álbum y las pistas, las fechas de grabación, las fechas de publicación y reedición, la etiqueta, la calificación y la crítica, además de distinguir entre las distintas versiones de un álbum.
Además de los datos de las grabaciones, Valence recopila información sobre intérpretes, compositores, productores y directores, incluidas sus estadísticas vitales, biografías y también los lugares donde han vivido, bandas o conjuntos a los que han pertenecido, enlaces sociales y próximas fechas de conciertos.
En el modelo de datos de Valence, las grabaciones (pistas) son instancias de composiciones, una noción importante sobre todo cuando un artista versiona una canción de otro artista o (como ocurre con frecuencia no sólo en la música clásica y el jazz, sino también en el rock y el pop) el compositor y el intérprete no son la misma persona.
Valence elabora "listas" internas de popularidad a todos los niveles: artista, álbum, pista y composición. También genera varias listas más específicas por género, y una serie dedicada a la música clásica.
Lo que la gente hace en la música informa el modelo de Valence del mundo de la música. Por ejemplo, Trent Reznor tiene diferentes relaciones con la música que crea cuando está al frente de Nine Inch Nails, colaborando en la banda sonora de una película con Atticus Ross o produciendo un álbum para Halsey.
Que una sonata tenga tres movimientos no garantiza que haya tres pistas correspondientes en un álbum que incluya esa composición. Comprender las obras subyacentes y sus subdivisiones permite a Valence representar correctamente versiones de canciones pop, estándares de jazz del American Songbook y obras clásicas a varias voces.
El modelo de similitud de Valence calcula la similitud entre determinados artistas, álbumes y canciones y otros artistas, álbumes y canciones. Se basa tanto en el comportamiento de los usuarios (a la gente a la que le gusta X también le gusta Y) como en la opinión de expertos o la verdad de base.
A lo largo de la carrera de un artista o compositor, suelen aparecer patrones que ilustran gamas de material especialmente apreciado. Valence modela estos rangos para crear una noción del "apogeo", momentos especialmente notables en la carrera de esa persona.
Los músicos suelen evolucionar a lo largo de su carrera. Valence atribuye puntuaciones a la "genialidad" y la "compostura" (entre otros muchos vectores) para ayudar a entender si Taylor Swift es una artista Pop o Country, o si Bob Dylan debe considerarse un intérprete o un compositor.
Dentro de los límites de las conexiones basadas en metadatos, Valence utiliza sus modelos para refinar y producir un conjunto más matizado y significativo de posibles recomendaciones.
El contexto en el que se hace una recomendación puede influir radicalmente en su exactitud. Una gran lista de álbumes de R&B sería completamente diferente en el contexto de ojear a Aretha Franklin que a Frank Ocean; una lista de pianistas notables en el contexto de Chopin no tienen nada en común con las del Jazz Post-bop.
Valence genera un modelo privado, almacenado en el perfil de cada usuario, que documenta las facetas del gusto del usuario a partir de su biblioteca y su historial de escucha. Las recomendaciones se ponderan teniendo en cuenta este perfil de gustos.
La información objetiva es la base de las recomendaciones; por ejemplo, saber que dos músicos han colaborado es la mejor prueba de una conexión entre ellos. La información editorial (como la categorización por géneros y la clasificación de los álbumes) proporciona otra dimensión sobre la que sopesar las sugerencias.
Independientemente de los enfoques técnicos de la ciencia de datos subyacente, el conocimiento del dominio de la música es la columna vertebral de Valence. Lo que lo distingue son sutilezas como las diferencias entre el R&B de los 60 y el contemporáneo, o el hecho de que Taylor Swift empezara siendo country y acabara dominando las listas de éxitos pop, o que probablemente no quieras escuchar los cuartetos de cuerda de Beethoven entre los movimientos de sus sinfonías.
Uno de los ejemplos más llamativos de Valence en Roon son los elementos de la interfaz de usuario que aparecen en respuesta al contexto. Por ejemplo, si estás viendo a un artista que ha colaborado a menudo, puedes ver "colaboradores destacados" o si el artista forma parte de una escena, puedes ver "otros artistas de Glasgow". Roon contiene cientos de elementos de interfaz de usuario que sólo se muestran en contextos con datos de apoyo relevantes.
Dado que los contenidos locales y en streaming se identifican de la misma forma, ambos se enriquecen con metadatos y se intercalan en Roon. Esto elimina los silos de contenido y permite una verdadera navegación basada en la intención: la atención se centra en lo que quieres escuchar, no en dónde vive esa cosa.
Los nuevos lanzamientos se muestran en varios contextos en Roon, y en cada contexto los resultados son completamente diferentes. Los nuevos lanzamientos en la pantalla de inicio se filtran utilizando el perfil de gustos, pero los de la pantalla de un artista incorporan además el género y los años de actividad del artista para mayor relevancia.
Cada día, Valence produce seis mezclas únicas de 25 pistas para cada usuario de Roon. Cada mezcla tiene como tema un artista que ocupa un lugar destacado en el historial de escucha del usuario, y combina selecciones que probablemente le resulten familiares con otras que desafiarán el gusto del oyente.
Como cualquier gran sistema, la cadena de suministro de música en streaming invita al abuso. Muchos sellos discográficos "malos actores" lanzan grabaciones no auténticas con la intención de que los usuarios escuchen sus streams. Valence permite a Roon filtrar estos contenidos de baja calidad y mostrar solo los auténticos.
En Roon, Focus expone las capacidades de Valence directamente al usuario y permite el filtrado multidimensional de discografías de artistas y bibliotecas completas de usuarios.
Tradicionalmente, buscar en un conjunto de archivos locales es una cosa, y buscar en un conjunto de datos remotos por API es otra. Roon hace ambas cosas con una interfaz de usuario unificada mediante el uso de la base de datos agregada de Valance y la búsqueda sensible al contexto, mejorando tanto la precisión como la relevancia.