Machine learning identifica música em cinco segundos com Shazam

São Paulo — InkDesign News — Os avanços em machine learning estão revolucionando a forma como interagimos com a música. O Shazam, por exemplo, utiliza sofisticados algoritmos de reconhecimento auditivo para identificar canções em segundos.

Arquitetura de modelo

O sistema Shazam se baseia em um algoritmo desenvolvido em 2003, conhecido como audio fingerprinting. Este modelo processa amostras de áudio, utilizando ferramentas como a Transformada Rápida de Fourier (FFT) para decompor sinais sonoros em suas frequências componentes. Essa técnica perpetua a identificação de padrões de som em um curto espaço de tempo.

“O algoritmo central permite que máquinas compreendam música, assim como humanos.”
(“The central idea allows machines to understand music just like humans.”)

— Avery Wang, Co-Fundador do Shazam

Após gravar um trecho de áudio, o Shazam não armazena a gravação em si, mas cria uma “impressão digital” compacta, focando nas frequências predominantes que se destacam ao longo do tempo. Essa abordagem minimiza o impacto de ruídos de fundo e outras distorções, garantindo que o reconhecimento seja rápido e preciso.

Treinamento e otimização

O processo de treinamento do Shazam envolveu a inserção manual de 100.000 CDs para gerar uma base de dados robusta, a partir da qual milhões de músicas foram digitalizadas. A atualização contínua dos dados e melhorias na eficiência dos algoritmos de busca são vitais para o funcionamento do sistema em escala global.

“Cada identificação feita pelos usuários gera dados que podem ser utilizados para entender tendências musicais.”
(“Each identification made by users generates data that can be used to understand musical trends.”)

— Anônimo

O uso de estruturas de dados como hashmaps permite que o Shazam realize buscas em tempo constante, independentemente do aumento no volume de músicas na sua base de dados. Essa otimização é crucial para proporcionar uma experiência de usuário fluida e imediata.

Resultados e métricas

Com a tecnologia atual, Shazam consegue processar mais de 23.000 identificações por minuto, mesmo em ambientes com ruídos elevados. A precisão do sistema foi aprimorada através da análise em tempo real, permitindo a coleta de dados geoespaciais que ajudam artistas e gravadoras a identificar novas tendências.

“O sistema rapidamente identifica a música, mesmo em condições desafiadoras, provando sua eficácia em ambientes lotados.”
(“The system quickly identifies the song, even in challenging conditions, proving its effectiveness in crowded environments.”)

— Anônimo

O futuro das tecnologias de reconhecimento auditivo aponta para a integração dos dados coletados em aplicações mais amplas. A expectativa é que serviços como o Shazam evoluam para reconhecer também elementos visuais e interagir com novas formas de arte digital, ampliando ainda mais o impacto da inteligência artificial na indústria da música.

Fonte: (Towards Data Science – AI, ML & Deep Learning)