Contact
Home / Home / Muzikaal algoritme

TAMBR Audio Intelligence

Waarom AI?

Muziek is een individuele ervaring. Een ervaring die we delen met de mensen om ons heen. De betekenis van populaire muziek is daarmee intersubjectief: niet beperkt tot de beleving van één persoon. Maar ook niet totaal onafhankelijk van individuele voorkeuren. Voor iedereen net even anders maar in grote lijnen vergelijkbaar.

De zeggingskracht van Westerse popmuziek brengt dus een gedeelde ervaring teweeg. Precies waar wij naar op zoek gaan bij het ontwikkelen van een audio-identiteit of het componeren van een campagnemuziek. Welke emotie staat centraal? Wat zijn de kernwaarden die je wil communiceren? Hoe ziet de de culturele context eruit waarin je opereert?

Muzikaal algoritme

TAMBR maakt hiervoor gebruik van een muzikaal algoritme, dat getraind is op miljoenen interacties tussen luisteraars en muziek. Op basis van die data heeft het algoritme geleerd een voorspelling doen over hoe luisteraars gaan reageren op bepaalde muzikale elementen. En welke tracks geschikt zijn om een bepaalde sfeer of stemming op te roepen. Geïntegreerd in ons TAMBR Audio Intelligence platform, passen we dit algoritme toe in de zoektocht naar passende muziek én bij het creative compositieproces.

Zoeken naar passende muziek

Het algoritme kent op dit moment meer dat 1500 steekwoorden, en leert continu bij. Nieuwe begrippen bijvoorbeeld, maar ook nuances in bepaalde emoties. Toegepast op onze muzikale database kunnen we hiermee heel gericht zoeken naar passende muziek. 

Testen van creaties

Gedurende het creatieve proces kunnen we testen in hoeverre onze schetsen de juiste emoties of associaties oproepen. Dat is geen exacte wetenschap, maar leert ons wel of we op de goede weg zijn. Want onze muzikale beleving is minder subjectief dan je denkt.

tAMBR OVEr AI

Muzikaal formeren met AI

Met behulp van een zelflerend muzikaal algoritme analyseerde TAMBR welke samenstelling van partijen een zo breed mogelijk emotioneel spectrum bestrijkt. Wel zo gewenst in deze polariserende tijden. Benieuwd naar welke coalitie dat is?

Verder lezen

De smaak van de Tweede Kamer

Op de website van de Tweede Kamer staat een lijst met de favoriete nummers van alle 150 volksvertegenwoordigers. Wat zeggen de muzikale keuzes over de partijen?

Verder lezen

De klank van verkiezingen

Een politieke partij is een product. Een merk met een logo, slogans, kleuren en een lettertype. En vooruit, met een purpose. En net als in de echte wereld wint ook hier het auditieve domein aan belang.

Verder lezen

Hoe werkt een muzikaal algoritme?

Een muzikaal algoritme gebruikt deep learning-technieken om patronen te ontdekken in grote hoeveelheden ongestructureerde data. Hierdoor wordt het mogelijk om voorspellingen te doen met betrekking tot de luisterervaring. De data die hiervoor gebruikt wordt bestaat onder meer uit muzikale elementen, metadata, tekst en gebruikersinteracties.

Hoe werkt een muzikaal algoritme?

  1. Herkennen muzikale elementen

    Op basis van een frequentie-analyse identificeert het algoritme de verschillende muzikale ingrediënten, zoals tempo, ritme, toonhoogte, harmonie en timbre. De basis voor verdere analyse.

  2. Ontsluiten metadata

    Metadata is informatie óver de track. Denk aan de titel van het nummer, de artiest en het genre. Deze gegevens zitten in de audiofiles besloten en helpen ons AI met het categoriseren van de muziek.

  3. Tekst-analyse

    Door teksten te analyseren kan het algoritme een voorspelling doen over de betekenis van liedjes. Bijvoorbeeld of een nummer ‘vrolijk’ of ‘droevig’ is of ‘romantische teksten’ heeft.

  4. Gebruikers-interacties

    Bij het voorspellen van de emoties die muziek kan oproepen, bouwt het algoritme op een dataset bestaande uit reacties van luisteraars, gevraagd naar hun “gevoel” bij een bepaalde track. 

Het laatste nieuws over merken en muziek

Abonneer je op onze nieuwsbrief en blijf op de hoogte van onze strijd tegen saaie stockmuziek en complexe licenties

Abonneer je hier