Lisandro Pardo
En estos días, no hay plataforma o servicio que no trate de recomendarnos «algo» para ver, escuchar, o comprar. El problema es que en la mayoría de los casos, esas recomendaciones suelen ser verdaderamente horribles. Entonces, ¿por qué no tomamos el control un poco más? El motor Maroofy apunta en esa dirección con sugerencias musicales basadas en canciones favoritas que buscamos previamente. De este modo, los resultados deberían ser más precisos…
No importa si se trata de YouTube, Spotify u otro servicio similar, las «sugerencias» por parte de todas las plataformas modernas son constantes. ¿Por qué? Porque la rueda necesita seguir girando, por supuesto. El Big Data no se alimenta solo: Debemos pasar tiempo en línea, probar cosas nuevas o clásicas, consumir. Pero los algoritmos se equivocan… mucho más de lo que imaginamos.
Maroofy: Descubre nuevas canciones compartiendo tus favoritas
Ahora, existe una alternativa simple: Enseñarle voluntariamente a los algoritmos qué es lo que queremos. Y de ese modo trabaja Maroofy. Este sitio desarrollado por Subhash Ramesh nos ofrece un «motor de recomendaciones» para canciones similares. Su funcionamiento se basa en un índice con más de 120 millones de canciones en iTunes, y un modelo personalizado de audio.
El modelo analiza audio crudo como entrada, y produce una salida basada en incrustaciones de vectores. El último paso es guardar todos esos vectores en una base de datos, y habilitar una búsqueda semántica para encontrar música similar.
Entonces, ¿qué tan bien funciona? A decir verdad, eso depende de cada uno. En lo personal puedo decir que actualmente es más valioso el factor de «descubrimiento» de Maroofy que todo lo demás. Por ejemplo, el motor indica que Fortunate Son de Creedence, una canción «de protesta, anti-guerra y anti-elitista», comparte similitudes con Grease de Bummertrash, una banda indie de la que apenas pude encontrar su perfil en Bandcamp y que está más en línea con el garage punk que otra cosa… pero al final me quedé escuchando Bummertrash, así que, ¿misión cumplida? ¡Haz la prueba!
Sitio oficial: Haz clic aquí
Buen dato, gracias!
Probanding….
gracias !!