LABORATORIO D'INNOVAZIONE
Dare potere all'industria musicale con tecnologie audio all'avanguardia.
LABORATORIO D'INNOVAZIONE
Introduzione
In tutto quello che facciamo, ci ossessiona la sfida di trovare sempre soluzioni migliori, più veloci, più solide e più accurate. Ecco perché investiamo più di 3 milioni di euro ogni anno nella Ricerca e Sviluppo interni.
Le tecnologie audio di nostra proprietà
Confrontiamo il fingerprint di qualsiasi audio con i 500 anni di musica indicizzata nel nostro database. I nostri audio fingerprint mantengono prestazioni accurate in tutte le circostanze – per esempio, interruzioni, parlato, effetti sonori – eseguendo la selezione di eventi discriminanti. Il fingerprint viene utilizzato anche per la verifica dei diritti d’autore.
Abbiniamo i metadati forniti dai digital providers con il catalogo musicale interno delle società di diritto d’autore e, per garantirne la completezza, li arricchiamo con i dati del nostro database. Ogni giorno forniamo 27 miliardi di corrispondenze per assicurare che creatori di musica ricevano le royalties che meritano.
Utilizzando una tecnologia di deep learning, scansioniamo le registrazioni audio per rilevare i punti che mostrano la presenza di musica. Per ogni segmento di 2 secondi, produciamo un valore che determina simultaneamente, sia i suoni musicali che quelli non-musicali presenti.
Lo studio dell’udibilità determina se la musica di sottofondo in un programma televisivo, show o pubblicità è “udibile” o “non udibile”. Questa valutazione si basa sulle specifiche richieste dal cliente.
Partendo da una base di canzone contro canzone, usiamo il nostro algoritmo ben collaudato per confermare se 2 file audio sono la stessa opera musicale o no.
Una registrazione audio viene elaborata ed analizzata. Una sequenza di note identificate, corrispondenti alla registrazione audio, è determinata identificando iterativamente le note potenziali all’interno della registrazione audio. Una valutazione per la registrazione audio è determinata usando un calcolo della sintonia e uno di espressione. La registrazione audio include una registrazione di almeno una parte di una composizione musicale.
Vengono proposti metodi e dispositivi per stimare l’udibilità dei campioni audio nei mix audio di programmi trasmessi nei canali TV e radio. I metodi di esempio comprendono i passi per definire una matrice di rappresentazione di un mix audio (dove il mix audio comprende sia il campione audio sia l’audio supplementare) e una matrice di rappresentazione del campione audio stesso. Sottraendo la matrice di rappresentazione del campione audio dalla matrice di rappresentazione del mix audio si genera una matrice differenza. Applicando un modello di udibilità alla matrice differenza si genera una matrice di udibilità, nella quale si stabilisce un livello di udibilità per ogni suo elemento. Facendo la media dei livelli di udibilità della matrice così definiti, è quindi possibile stimare l’udibilità del campione audio.
I nostri brevetti
I NOSTRI PROGETTI DI RICERCA E INNOVAZIONE
FuturePulse – Multimodal Predictive Analytics and Recommendation Services for the Music Industry – ha ricevuto un finanziamento dal programma di ricerca e innovazione dell’Unione Europea Horizon 2020 sotto l’accordo di sovvenzione n. 761634
Bloomen – Blockchains in the new era of participatory media experience – ha ricevuto un finanziamento dal programma di ricerca e innovazione dell’Unione Europea Horizon 2020 sotto l’accordo di sovvenzione n. 762091.
il progetto Retos-Colaboración 2019 New generation of music monitoring technology (NextCore), RTC2019-007248-7 è sostenuto dall’ Agencia Estatal de Investigación del Ministerio de Ciencia e Innovación
Identi@rt – R+D en preservació del valor d’actius digitals de música, art I disseny, amb distributed ledger tech – (COMRDI18-1-0011) della Comunitat Media (COM18-1-0002) è finanziato da ACCIÓ (Agència per la Competitivitat de l’Empresa, Generalitat de Catalunya) come parte dei progetti collaborativi per la ricerca, sviluppo e innovazione delle Comunità RIS3CAT.
Con il supporto di:
ACCIÓ (Agència per la Competitivitat de l’Empresa, Generalitat de Catalunya) sostiene il progetto LoudSense – sistema per la stima automatica dell’udibilità della musica di sottofondo nelle produzioni audiovisive (ACE014/20/000051) nell’ambito del bando INNOTEC 2020.
Con il supporto di:
PICAE – Publicació Intel-ligent de Continguts Audiovisuals I Editorials – (COMRDI18-1-0007) della Comunitat Media (COM18-1-0002) è finanziato da ACCIÓ (Agència per la Competitivitat de l’Empresa, Generalitat de Catalunya) come parte dei progetti di collaborazione per la ricerca, sviluppo e innovazione delle Comunità RIS3CAT.
Con il supporto di:
Il Ministerio de Economía y Empresa all’interno dell’Azione Strategica dell’Economia e della Società Digitale – l’impulso delle Tecnologie Abilitanti Digitali 2019, sostiene il progetto del Sistema per il monitoraggio audio massivo in tempo reale basato sull’intelligenza artificiale (DeepTrack), TSI-100903-2019-38.
Il Ministero dell’Energia, del Turismo e dell’Agenda Digitale (Ministerio de Energía, Turismo y Agenda Digital) nell’ambito dell’Azione Strategica di Economia e Società Digitale – Impulso Tecnologico 2017, sostiene il progetto PlayIT: Big Data BI scalable engine for the process and identification of music metadata – TSI-100600-2017-20). Co-finanziato dal Fondo Europeo di Sviluppo regionale (FEDER) – The way to build Europe.
I progetti di rilevazione di musica/parlato nei programmi trasmessi sui media (DI46-2016) e gli algoritmi di identificazione della musica utilizzando tecniche di deep learning (DI46-2020) sono sostenuti dal piano di dottorati industriali della Segreteria di Università e Investigazione del Dipartimento di Imprese e Conoscenza della Generalitat della Catalogna (Secretaría de Universidades e Investigación del Departamento de Empresa y Conocimiento de la Generalitat de Cataluña).
Red.es (Ministero degli Affari Economici e della Trasformazione Digitale) supporta l’Azione Strategica dell’Economia e della Società Digitale – il Digital Enabling Technologies impulse 2020, progetto Cloud Computing Platform for Scalable and Elastic Musical Monitoring (BigWave), 2020/0720/00097949.
Co-finanziato dall’Unione Europea attraverso il fondo Europeo per lo Sviluppo Regionale (FEDER) – La strada per costruire l’Europa.
Red.es (Ministero degli Affari Economici e della Trasformazione Digitale) supporta questo progetto di Ricerca e Sviluppo sull’Intelligenza Artificiale e altre tecnologie digitali, insieme alla loro integrazione nella value chain (C005/21-ED call), come parte del Piano Digitale spagnolo 2025: Motor de reconciliación de entidades impulsado por IA para la industria de la música (AI-powered entity reconciliation engine for the music industry) – 2021/C005/00149157.
Il Ministero degli Affari Economici e della Trasformazione Digitale supporta questo progetto di Ricerca e Sviluppo su tecnologie associate al Metaverso e al Web 3, come parte del piano “Spain Audiovisual Hub of Europe”: Proof-of-Play muSIc oraCLE (PoPSICLE) – Audio Fingerprint-Based Blockchain Oracle for Decentralised Logging of Music Usage – FAV-010200-2022-0019.
CDTi (Ministero della Scienza e dell’Innovazione) supporta questo progetto di Ricerca e Sviluppo su tecnologie applicate all’Audiovisivo e alla produzione di videogiochi, come parte del piano statale per la Ricerca Tecnico Scientifica e l’Innovazione 2021-2023, all’interno del piano di Ripresa, Trasformazione e Resilienza: resCUE: Smart system for automatic usage reporting of musical works in audiovisual productions – SAV-20221147.
L’Eurostars-3 , co-finanziato dal programma di ricerca e innovazione European Union Horizon Europe, supporta il progetto Eurostars E!693 Live Insights – Trasformare gli ascolti di musica online in successo offline, una piattaforma basata sull’Intelligenza Artificiale che analizza dati provenienti da servizi di streaming musicali e social media per scoprire opportunità di incassi non sfruttate, a favore di artisti, venues di musica dal vivo e società di ticketing per eventi.
MUSIC360 – Una prospettiva a 360 gradi sul valore della musica ha ricevuto un finanziamento dal programma di ricerca e innovazione dell’Unione Europea Horizon Europe con l’accordo di sovvenzione n. 101094872.
BMAT è stata beneficiaria del programma PADIH per la realizzazione del progetto. Il progetto consiste in una consulenza specializzata e in un contributo di idee con l’obiettivo di migliorare la competitività. Il bando PADIH è finanziato da:
Awards
Nel 2018, MIREX -la più importante competizione internazionale di algoritmi MIR (Music Information Retrieval)- ha riconosciuto il nostro algoritmo di rilevamento musicale come il migliore nel campo, con una precisione superiore di 10 punti percentuali rispetto all’algoritmo posizionato al secondo posto. Nel 2019, la nostra prima posizione è stata ristabilita poiché abbiamo presentato 2 nuovi algoritmi ed entrambi hanno ottenuto migliori risultati rispetto all’algoritmo presentato nel 2018.
Awards
Per gli sviluppi del progetto H2020 Bloomen, BMAT è stata nominata “Key Innovator” dal Radar di Innovazioni della Commissione Europea. La tecnologia Blockchain sarà utilizzata per fornire la protezione del copyright dei contenuti multimediali.
Publications
Kapsoulis, Nikolaos; Psychas, Alexandros; Palaiokrassas, Georgios; Marinakis, Achilleas; Litke, Antonios; Varvarigou, Theodora; Bouchlis, Charalampos; Raouzaiou, Amaryllis; Calvo, Gonçal; Escudero Subirana, Jordi. 2020. “Consortium Blockhain Smart Contracts for Musical Rights Governance in a Collective Management Organizations (CMOs) Use Case“
Future internet 12, no. 8: 134.
Publications
Meléndex-Catalán, B. Molina, E., and Gómez, E. (2017). “BAT: an open-source web-based audio-events annotation tool“.
3rd Web Audio Conference
Meléndex-Catalán, B. Molina, E., and Gómez, E. (2019b). “Open broadcast media audio from TV: A dataset of TV broadcast audio with relative music loudness annotations“.
Transactions of the International Society for Music Information Retrieval
Meléndex-Catalán, B. Molina, E., and Gómez, E. (2020). “Relative music loudness estimation, using temporal convolutional networks and a CNN feature extraction front-end“.
In Proceedings of the 23rd International Conference on Digital Audio Effects (DAFx-20), volume 5, pagine 273-280
LE NOSTRE PUBBLICAZIONI SCIENTIFICHE E I NOSTRI PREMI