LABORATORIO D'INNOVAZIONE

Dare potere all'industria musicale con tecnologie audio all'avanguardia.

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

Audio Fingerprinting

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.

Corrispondenza dei metadata

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.

Deep Music Detector

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.

Valutazione dell'udibilità

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.

Identificazione delle cover

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.

Analisi e valutazione delle registrazioni audio

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.

Brevetto europeo sull’udibilità

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

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

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.

NextCore

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

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.

LoudSense

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.

PICAE

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.

DeepTrack

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.

PlayIT

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.

Dottorati Industriali

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).

Awards

MIREX

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

Bloomen

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

Bloomen

Kapsoulis, Nikolaos; Psychas, Alexandros; Palaiokrassas, Georgios; Marinakis, Achilleas; Litke, Antonios; Varvarigou, Theodora; Bouchlis, Charalampos; Raouzaiou, Amaryllis; Calvo, Gonçal; Escudero Subirana, Ordi. 2020. “Consortium Blockhain Smart Contracts for Musical Rights Governance in a Collective Management Organizations (CMOs) Use Case

Future internet 12, no. 8: 134.

Publications

Dottorati industriali

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