Inicio > Aplicaciones Web > Web para determinar el potencial éxito tus canciones

Web para determinar el potencial éxito tus canciones

Domingo, 2 de marzo de 2014 Dejar un comentario Ir a comentarios

Más de un artista consagrado o de un músico en ciernes se habrá planteado si existe una fórmula perfecta para garantizar el éxito de una canción, o si ciertos detalles sonoros se tienen más o menos en cuenta según la época en que suene. De estas y otras muchas variantes se ocupa una aplicación web desarrollada en la Universidad de Bristol, en el Reino Unido. Con ella, se puede de predecir aquellos temas que alcanzarán los principales puestos en el Top 40 del país.


Según recoge la veterana institución en un comunicado, el equipo de investigación que está detrás del estudio y posterior desarrollo del software forma parte del Laboratorio de Sistemas de Inteligencia de la Facultad de Ingeniería de dicha universidad, y trabaja bajo la dirección del doctor Tijl de Bie, profesor titular de Inteligencia Artificial, con la asistencia de Panagiotis Tigkas, antiguo estudiante del Máster de Ciencias.

A pesar de los importantes resultados conseguidos con Scoreahit, que ya está disponible en la Red, el propio De Bie anuncia desde un principio que nunca serán capaces de predecir cada canción que ocupará los cinco primeros puestos. “Tuvimos mucho cuidado para crear esta aplicación y esperamos que la gente se divierta usándola; sin embargo, dado que no es cien por cien precisa, no garantizará un éxito”, explica el profesor.

Aun así, la tasa de exactitud del sistema permite anticipar con una exactitud del 60% si una canción se convertirá en uno de los cinco temas más escuchados del momento o si no pasará del puesto 30. Los resultados obtenidos con su aplicación han sido expuestos en la ponencia “Hit Song Science Once Again a Science?”, presentada en el cuarto Taller Internacional sobre Aprendizaje Automático y Música celebrado el pasado mes de diciembre en Sierra Nevada.

Ecuación de éxito potencial

Como base de la investigación, el equipo de Bristol se valió del Top 40 de los últimos 50 años en el Reino Unido. El objetivo era distinguir los temas más populares, aquellos que alcanzaron los primeros puestos, de los que quedaron en un segundo plano. Para su análisis diseñaron un algoritmo que, de forma automatizada, agilizó el trabajo.

En concreto, se tuvieron en cuenta aspectos sonoros como la energía, el ritmo, que la canción fuera bailable, el volumen de la misma y otros detalles de alto nivel, como la sencillez armónica (lo simple que es la secuencia de acordes) y la “no armonicidad” (cómo de ruidoso es el tema). Así hasta 23 características o pesos, como fueron denominados.

Con ellos, se calcula la ecuación de éxito potencial, multiplicando las características de cada nueva pieza analizada. A partir de esa puntuación, los investigadores pueden clasificar un tema como éxito o fracaso automáticamente, sin la intervención de un experto musical, gracias a los métodos de Aprendizaje Automático.

Sin embargo, esto no quiere decir que todas las canciones que cumplan los mismos parámetros lleguen a ser populares. La complejidad de la música y la mente humana no permite meterlo todo dentro de una ecuación tan fácilmente. Además, los gustos y las tendencias musicales evolucionan con el tiempo, por lo que la ecuación tiene que evolucionar también.

El parámetro temporal es uno de los aspectos fundamentales de este estudio, y una importante diferencia cualitativa con los anteriores, que no habían podido predecir éxitos potenciales al no tenerlo en cuenta. Asimismo, a raíz del análisis del Top 40 de los últimos 50 años, los investigadores han obtenido patrones interesantes, como la dificultad para predecir éxitos a finales de los setenta y los ochenta por ser un periodo de explosión de la creatividad, mientras en la década de los noventa y a partir del año 2000 la ecuación funciona mejor.

Herramientas de la web

Para usar ScoreaHit, los usuarios deben registrarse y hay un límite diario en el número de consultas. Estas pueden realizarse sobre las canciones existentes, buscando por título o nombre del grupo, o introduciendo una creación propia, siempre y cuando la pieza esté en línea y completamente terminada.

Entre los apartados de la web, hay uno donde se muestran cada semana las previsiones para las listas de éxitos del Reino Unido. Con una especie de termómetro musical (Songometer), marcan con colores calientes las canciones que la ecuación señala que van a funcionar bien, y con tonos fríos aquellas que parece no alcanzarán una posición alta.

Estas conjeturas han dado pie a otras secciones de la aplicación, donde se etiquetan los temas según las previsiones. Por un lado se encuentran los “éxitos esperados”, aquellos que reúnen las características perfectas para el momento en que fueron lanzados, o incluso podrían haber sido populares en cualquier década. Es el caso del clásico Suspicious Minds de Elvis Presley, o If You Don’t Know Me By Now de Simply Red.

Aquellas canciones que predicen que van a ir mal pero alcanzan una buena posición son etiquetadas como “éxitos inesperados”, caso de Man in the mirror de Michael Jackson, Empire state of mind de Alicia Keys, el popular November Rain de Guns ‘n Roses o Nessun Dorma de Luciano Pavarotti.

También se da el caso de piezas a las que no les va tan bien como predice la ecuación, aunque no por ello las consideran fracasos. Los investigadores hablan de ellas como “gemas ocultas”, que podrían ser relanzadas o adaptadas por otros artistas. Es el caso de la versión de Stevie Wonder del clásico de Bob Dylan Blowin ‘in the Wind. Quizás la razón por la que no subió en las listas de éxitos fue su lanzamiento tan sólo tres años después del original, cuando el público aún no estaba listo para una nueva versión.

Blogs similares

    Comparte y diviertete:
    • Print
    • Digg
    • StumbleUpon
    • del.icio.us
    • Facebook
    • Yahoo! Buzz
    • Twitter
    • Google Bookmarks
    • BarraPunto
    • Bitacoras.com
    • BlinkList
    • Blogosphere
    • Live
    • Meneame
    • MSN Reporter
    • MySpace
    • RSS
    • Suggest to Techmeme via Twitter
    • Technorati
    • LinkedIn
    • email
    • FriendFeed
    • PDF
    • Reddit
    • Wikio IT
    • Add to favorites
    • blogmarks
    Top Footer