A music similarity metric space to study the evolution of music trends

New digital technologies completely revolutionized the world of music production and made it accessible to almost everyone, expanding the possibilities of the creativity process and giving the opportunity of a low cost self-promotion on the social networks. The main consequence of this revolution is the increasing numbers of new musical ’trends’, which are hardly classifiable into just a single musical genre and make the identification of new musical ’sub-genres' almost impossible. From this perspective, it arises the need of changing the point of view and look for a new way of identifying music trends, to let the music being free from genres boundaries though still giving a clear idea of the songs style. The concept of similarity naturally encounters this need, as it might be disjoint by the concept of ’genre’. In this study we address the problem of creating a similarity metric space to trace how music evolves through years and what genres are more influenced by other genres or by new emergent artists, as they gain popularity, giving rise to new ’musical trends’. For this purpose, we propose a novel approach based on Transformer architecture with triplet loss function to generate a music similarity metric space and a graphic interface to visualize the results and to identifying the music trends. Other precedent works focused their attention on music similarity, but, at the best of our knowledge, no one of them exploits music similarity to study the evolution of music trends through years, employing perceptual features as input to the current state of the art Transformer architecture.

L’avvento del digitale nel mondo della musica sta spostando lentamene il baricentro della produzione musicale dai grandi studi di registrazione alle case di nuovi piccoli artisti emergenti. La principale conseguenza di questo fenomeno è la nascita di sempre più numerose nuove ’sonorità’ musicali, difficilmente incorniciabili in un certo genere musicale, che ren- dono faticosa, ed in un qualche modo inutile, la definizione di altrettanti nuovi ’sottogeneri’. Sotto questa prospettiva nasce l’esigenza di rompere i confini di genere ed esplorare spazi più liberi nel campo della classificazione musicale: il concetto di similarità risponde naturalmente a questa esigenza, evitando di ’etichettare’ un certo brano musicale, ma piuttosto di collocarlo in uno spazio metrico in cui brani vicini presentano una qualche somiglianza. Il concetto di similarità risponde naturalmente a questa necessità essendo idealmente distaccata dal concetto di genere. In questo studio diamo uno panoramica dell'evoluzione della musica negli anni, evidenziando come alcuni generi musicali siano fortemente influenzabili da altri generi, nonché da nuovi artisti emergenti, dando origine a nuove ’tendenze musicali. L’architettura proposta in questo studio è un Transformer, che tramite la funzione di costo triplet loss e l'utilizzo di descrittori percettivi del suono, è impiegato allo scopo di creare uno spazio metrico Euclideo di similarità musicale. Uno spazio grafico 2D ci permette di visualizzare l’evoluzione della musica negli anni e di capire come un certo genere sia influenzato da altri generi o da artisti emergenti, dando dunque vita alla scia di nuovi trend musicali. Altri lavori precedenti hanno focalizzato la loro attenzione sulla similarità musicale, ma nessuno di questi sull’evoluzione della musica nel tempo con i Transformer.