Müziği tanıyacak bir Google aranıyor

Bilin bakalım bu müzik parçası ne? Hızlı ve sürükleyici ritmi olan, A majör bir parça bu. Lirikleri, ezgisi ve akustik gitarın etkisi parçaya tümden "folkumsu" bir özellik kazandırıyor. Bu bir Beatles parçası.

Tüm bu ipuçları yine de bir ışık yakmadıysa, buna hiç şaşmamak gerekir. Oysa parçayı biraz mırıldanacak olsak, anında bulmanız işten değil. Çünkü, bu parça yıllardır dillerden düşmeyen "Help" adlı parça.

Beyinlerimiz bir ezgiyi duyduğumuz anda tanıyabilse bile, aynı parçanın yazılı bir betimlemeden yola çıkarak saptanması hiç de kolay değildir.

Peki, herhangi bir ezginin farklı özelliklerini ortaya dökmek suretiyle kimliğini belirlememize olanak tanıyan bir yöntem olsa, işimiz kolaylaşmaz mıydı? Tıpkı her bir gendeki DNA’nın karşılığı olan proteinin yapısını tam tamına yansıtması gibi...

25 milyon parça

Böyle bir yöntem gerçekte ilk anda insana göründüğü denli akılalmaz değil. Halihazırda internette 25 milyonun üzerinde sayısal müzik parçası var. Bu sayı kişinin yaşamı boyunca dinleyebileceği müzik parçalarının yaklaşık yarısına eşit.

Üstelik, her gün bunlara binlerce yeni parça ekleniyor.

Ne var ki, piyasaya en son çıkan sayısal müzik çalarların kapasitesi bile ancak 15,000 parçaya ulaşabiliyor.

Bu müzik çalarlara yüklenen parçaların taramadan geçirilerek istenen parçanın bulunmasının son derece külfetli bir iş olduğu su götürmez bir gerçek.

MusicIP şirketinin CEO’su Matthew Dunn, "Parça sayısı arttıkça, seçilen parçayı bulmak çok daha uzun bir süreyi gerektirdiğinden, müzik çaları kullanmaya da pek zaman kalmıyor. Ancak müzikle ilgili bir Google henüz yok. Müzikle ilgili bir metin aramakla, müziğin kendisini aramak farklı şeyler," diyor.

Çok sayıda şirket

Merkezi Kaliforniya’da olan MusicIP duyulan parçanın akustik çözümlemesini yapabilecek bir yazılımın geliştirilmesine çalışan ve sayıları her geçen gün artan şirket ve üniversite araştırma ekiplerinden bir tanesi.

Bunların amacı, müziğin perde ya da temposunun yanı sıra, tınıların dokusu, akorların akışı, kullanılan çalgılar ve hatta her bir şarkıcının sesiyle ilgili ayrıntılar gibi onlarca farklı özelliği gözler önüne sermek.

Bu bilgilerin her bir sayısal müzik dosyasına eklenmesiyle birlikte internette daha önce eşine rastlanmamış bir müzik evreninin kapıları da ansızın açılmış olacak.

Böylelikle, yalnızca parça ya da yorumcunun adıyla değil, o parçanın herhangi bir özelliğinden yola çıkarak da arama yapılabilecek. Aramayı sizin adınıza bir yazılımın yapması durumunda da, bu yazılım müzikle ilgili beğenilerinizi çözen, size en uygun parçaları derleyen ve hatta beğeneceğinizi bildiği yeni parçaları bulmak için kendiliğinden internete bağlanan kişisel bir DJ işlevi görebilir.

Yazılımlar var, ama

Günümüzde sayısal bir müzik dosyasına ilişik bilgileri temel alarak müziğinizi türüne ya da sanatçıya göre düzenleyen ve önerilerde bulunan çok sayıda yazılım var.

Ancak bu ayrıntılara her zaman ulaşılamadığı gibi, kimi zaman yalan yanlış ya da eksik oluyor. Tipik bir sayısal müzik koleksiyonuyla ruh durumunuza ya da beğenilerinize uygun listeyi oluşturmak günlük yaşamınızın keyifli bir parçası durumuna gelebilir.

Philips Araştırma Laboratuvarı elektronik mühendislerinden Fabio Vignoli,"Ortalama bir müzik koleksiyonundan istediğiniz parçayı bulmak yaklaşık bir dakikanızı alır.

İki saatlik bir müzik şöleni için 20 parça seçmeniz gerekir ki, bu da 20 dakikanızı buna ayırmanız demektir. Öyle ki, sonunda sıkılıp bu işe girişmekten vazgeçersiniz," diyor.

Kulaklı makineler

O halde, her bir parçanın işitsel çözümlemesini yapabilen bir yazılımdan yararlanmak suretiyle bu işi baştan sona bir bilgisayarın yapmasına ne dersiniz?

Müzikte tınıların karmaşık ve üst üste binen düzenlerinden bir anlam çıkarmak güç bir iştir. Fourier dönüşümü adı verilen matematiksel bir algoritma sinyali farklı genlik ve titreşimlerde bir sinüs dalgaları bileşimine dönüştürmek suretiyle yardımcı olabilir. Örneğin, frekansı 440 hertzlik bir dalga C ortasının üzerindeki A’dır.

Ne var ki, gerçekte çalgılar katıksız tonlar yerine, doğuşkan ya da overtone adı verilen ek titreşimler oluşturur. Doğuşkanlar konuyu daha karmaşık duruma getirseler de, bir notanın hangi çalgıdan çıktığı konusunda bizlere bir fikir verebilirler.

Algoritmalar, melodi, armoni ve tempo gibi temel özellikleri ortaya çıkartmak için nota dizgelerini gözden geçirebilirler. Bu özellikler bir araya getirildiğinde bir parçanın türü konusunda bir bilgi edinebilir ve böylece farklı parçaları karşılaştırarak bunları özelliklerine göre gruplara ayırabilirsiniz.

MusicIP Mixer

MusicIP Mixer, MusicIP tarafından geliştirilen ve bu işlevi yerine getirmeyi hedefleyen tüketici ürünlerinin başında geliyor. Bu yazılım kişisel kitaplığınızdaki müziği çözümleyip, seçtiğiniz herhangi bir parçadan yola çıkarak yeni bir dinleme listesi oluşturmanıza olanak tanıyor.

MusicIP Mixer bilgisayara yüklendiğinde koleksiyonu baştan sona tarayıp, çözümlüyor. İlk aşamada parça ve sanatçı adından yola çıkarak her bir parçayı MusicIP’nin 17 milyon parçadan oluşan online veritabanı ile karşılaştırıyor.

Daha sonra her bir parçanın kimliğini yeniden gözden geçirerek sayısal bir "parmak izi" oluşturuyor ve bunu merkez sunucudaki parmak izleriyle karşılaştırıyor (bkz. http://tinyurl.com/zkycj).

Yazılım veritabanında olmayan bir müzik parçası saptadığında, yoğun-işlemci aşaması başlıyor. MusicIP ayrıntıları ortaya dökmüyor, ancak yazılım esasen parçayı çalarak onun eksiksiz bir akustik çözümlemesini yapıyor ve önemli özelliklerini ayrıntılı bir akustik profile dönüştürerek depoluyor.

Yaklaşık parçanın çalma süresine denk bir süreyi gerektiren bu süreç oldukça uzun bir süreçtir. Ardından yazılım bu profili merkez sunucuya gönderiyor.

Goodbye Girl

Çözümleme işlemi tamamlanır tamamlanmaz, kitaplığınızdan bir parça seçtiğinizde program benzer parçaları içeren bir liste oluşturmak için akustik profilden yararlanacaktır.

Söz gelimi, Squeeze topluluğunun "Goodbye Girl" parçasını öne çıkardığınızda programın 80’lerin başlarındaki pop titreşimlerini seçtiği ve Squeeze, Blondie ve Prince’in 12 parçasından oluşan bir karışım oluşturduğunu görürsünüz.

Beethoven’in yaylı dörtlülerinden bir parça seçtiğinizde ise, çoğunlukla başka yaylı dörtlülerden oluşan bir listenin yanı sıra, Beatles’in "She’s Leaving Home" parçasıyla da karşılaşırsınız. Kimileri bunu bir yanlışlık olarak algılasa da, gerçekte hoş bir sürpriz olduğu da düşünülebilir.

Pandora şirketi

Ne denli etkileyici olsa da, bu tanımlayıcılar yine de bilgisayarın dinleyicinin dinlemek istediği müziği seçmesine yeterli olmayabilir.

En azından Kaliforniya merkezli Pandora şirketi öyle olduğuna inanıyor ve bu soruna çözüm getirmeyi amaçlıyor.

Pandora da MusicIP gibi ağ tabanlı bir müzik öneri sitesi olmakla birlikte, müzik parçalarını çok daha ayrıntılı biçimde sınıflandırmayı amaçlıyor. Bunun için 400 farklı parametreden yararlanıyor.

Salt şarkıcının sesi bile vibrato düzeyi, erim, perde ve solukluluk gibi en az 30 farklı özelliğe göre değerlendiriliyor.

Bu Benim Şarkım

"Bir parçayı tanımlamanın en iyi yolu onun müzikal özelliklerini ortaya dökmektir," diyen Pandora’nın kurucusu Tim Westergren müzik parçalarını da tıpkı insanlar gibi farklı gen bileşimlerine göre ayırt etmeyi amaçlıyor.

Pandora, ekranda kişiye özel bir radyo istasyonu gibi işlev görüyor. İstasyonun devinime geçmesi için bir parça seçiliyor ve Pandora bu parçadan yola çıkarak benzer parçaları bulup çalıyor.

Kullanıcı çeşitliliği artırmak, ya da seçilen parçalardan birini beğenmediğini belirtmek için birden çok şarkı seçebiliyor. Böylece programın o parçayla ilgili izlenimin silinmesi için önerilerini yeniden gözden geçirmesi sağlanıyor.

Pandora büyük ölçüde işlem gücüne dayanıyor, zira seçtiğiniz her bir parçayla ilgili özellikleri gözden geçirmesi ve başka hangi parçaların bu özelliklerle yakın benzerlikler taşıdığını bulması gerekiyor. Gelgelelim, sürecin en can alıcı bölümü olan her bir parçanın yığınla özelliğini saptama işlemini insan kulağı, bu durumda eğitimli 40 müzisyenden oluşan bir ekip üstleniyor.

Kulak ve bilgisayar

Halihazırda bir müzik parçasının çözümlenmesi yaklaşık 20 dakika sürüyor. Ancak Westergren bu işlemin otomasyona bağlanma ümidinin olmadığına dikkat çekerek,"İnsan kulağı son derece incelikli bir organ. Bu organın işlevini yerine getirebilecek bir makineden söz etmek şimdilik olanaksız," diyor.

İnsan kulağının bu olağanüstü yeteneği bir parçaya tıkladığınızda karşınıza çıkan betimlemelerden açıkça belli oluyor. Söz gelimi, Pandora’ya neden DJ Shadow’dan bir parça çaldığını sorduğunuzda, parçanın "elektronik kökler taşıdığını, tonal armonilerden, elektronik piyanodan, ustalıklı elektronik piyano riff’leri ve yaygın olarak groove’lardan yararlandığını" belirtiyor.

Çok zor, ama günün birinde "groove"u saptayabilen bir bilgisayar programı da belki olur. Londra Queen Mary Üniversitesi Sayısal Müzik Merkezi’nin başkanı Mark Sandler de bilgisayarların henüz müziği insanlar denli iyi çözümleyemedikleri görüşüne katılıyor.

İnsan kulağı milyonlarca yıllık bir evrim süreci sonunda bu tür becerilere ulaşan bir organ. Öyle ki, bilgisayarlara bu özelliklerin kazandırılması hiç de kolay değil.

Yine de, Sandler elimizdeki onca müziğin çözümlenmesi için bilgisayarlaşmaya gitmenin kaçınılmaz olduğu konusunda biraz kuşku duyuyor ve,"İyi bir eğitimden geçmiş insan kulağı bilgisayardan çok daha başarılı olsa da, bu çözümle bir yere ulaşmak olanaksızdır," diyor.

Ayda 8000 parça

Westergren, beklenildiği gibi, bu görüşe karşı çıkıyor. Halihazırda 400,000 parçayı veritabanı kapsamına almasına olanak tanıyacak lisanslara sahip olan Pandora, her ay yaklaşık 8000 parça ekliyor.

Bu sayı mevcut parçaların yalnızca ufak bir parçasını oluşturmakla birlikte, Westergren insanların elinde hoşlanacakları geniş bir dağarcık olduğu sürece buna pek aldırmadıklarına parmak basıyor.

Fakat, araştırmacıların büyük bir çoğunluğu Pandora’yı hedef alınmaya değer bir örnek olarak değerlendiriyorlar ve sistemin insan unsuru olmaksızın geliştirilmesine çalışıyorlar.

Barselona Pompeu Fabra Üniversitesi (UPF) Müzik Teknoloji Grubu başkanı Xavier Serra,"Bu, birçok şirketin peşine düştüğü müthiş bir hedef," diyor.

UPF, çözümlemede MusicIP ile hemen hemen aynı yaklaşımı benimseyen, SIMAC (Semantic Interaction with Music Audio Contents) adlı Avrupa destekli bir araştırma projesi olan konsorsiyumun bir parçası.

Bu proje insanla ilgili bilişsel araştırmalarla müzik çözümlemesi ve yapay zeka yazılımlarını biraraya getirmek suretiyle tempo, dizin ve biçim gibi karmaşık özelliklerin belirlenmesine olanak tanıyan ve nota ya da perde bileşimlerinin armonilere dönüşümünü ölçmeye yarayan çok daha etkili yolların bulunmasını amaçlıyor.

Etkisi büyük olacak

Müzikte kimlik belirleyici yazılımların cep telefonlarında MP3 çalıcılar türü taşınır aygıtlar üzerinde büyük bir etki yaratması bekleniyor. Bu yazılımlar dosya paylaşım ağlarında değiş tokuş edilen müzik parçalarının saptanması amacıyla bizzat müzik endüstrisi tarafından da kullanılabilir.

Takas edilen parçaların denetlenip kimliklerinin saptanması durumunda, müzik yapım şirketleri hak iddia edebilir, ya da en azından bu parçalara ulaşanları denetleyebilirler. Özel yaşamla ilgili kaygılar da söz konusu.

New Scientist, 3 Haziran sayısında yayımlanan yazıda özetle şu görüşe yer veriliyor: Tüm bu kaygılara karşın, çok yakında hepimiz bu tür yazılımların bağımlısı olabiliriz. Üstelik, bu yazılımları yalnızca yeni müzik parçaları bulmak amacıyla da kullanmayabiliriz.

Bu tür programlar müzikle ilgili beğenilere uyum sağlayabildiğine göre, neden roman, resim ve videolardan oluşan "seçki listeleri" oluşturulmasın ki?

MusicIP yaşam biçeminiz, beslenme düzeniniz ve damak tadınızla ilgili bilgilerden yola çıkarak yemek önerileri, tarifler ve hatta alınması gereken malzeme listeleri sunan yazılımlar da geliştirdi. Bu yazılımlarda, gerçekte, kusursuz bir akşam yemeğinde gereksinebileceğiniz her bir unsur yer alıyor. Doğal olarak, yemek eşliğinde dinlemek isteyeceğiniz müzik de bu bilgiler arasında.