Музыкальный инстинкт. Почему мы любим музыку - читать онлайн книгу. Автор: Филип Болл cтр.№ 106

Многие музыканты осуждают навешивание ярлыков на музыку. Но жанры существуют не только для облегчения работы музыкальных магазинов: они позволяют нам «оградить» один тип музыки от другого и таким образом развить различные ожидания относительно музыкальных структур и норм, не путаясь в них. Так, например, мы можем отыскать диссонансы, шокирующие у Баха, но вполне обыденные у Бартока.

Тем не менее растущее разнообразие музыкальных стилей и технологий их обработки ставит под вопрос некоторые традиционные рамки, определяющие жанр и стиль. Каждый, кто делает покупки онлайн, знает, что продавцы и рекламщики страшно хотят знать, какие продукты нам нравятся, чтобы предложить нам еще больше товаров из «нужного списка». В музыке предложения подобного рода весьма очевидны: это другие произведения любимого артиста. Но все чаще эти предложения определяются не грубым разделением на жанры, а статистической выборкой того, что вы и другие клиенты купили в прошлом: «Амазон» никогда не забывает сказать «с этим часто покупают». Такие сведения указывают на кластер «вкусов», которые могут или не могут отражать общие жанровые особенности.

Если вы соберете музыку, которая вам нравится, то будет непросто за ней уследить. Частью привлекательности режимов случайного воспроизведения в MP3-плеерах является то, что многие люди забывают, что находится в их цифровой библиотеке: случайный выбор всегда готов преподнести приятный сюрприз. Но с таким же успехом он может неприятно шокировать, если копозиция не подойдет к вашему текущему настроению. Этот феномен окрестили «iPod-травма»: если вы уже вошли в текучее и мягкое состояние Майлза Девиса, то не сможете выдержать удар «Тhe Pixies». Если, как заявляет Apple, «случайный выбор – это новый порядок», то у него есть свои недостатки. ^[85]

Выбирая музыку по жанрам, тоже нельзя обезопасить себя от такой «травмы»: допустим, вам нравится ритмичный ирландский напев, а ваше устройство вдруг выдает «Тhe Pogues»? Как вы сможете приказать плееру включить «радостного» Моцарта, а не Реквием? Традиционные музыкальные жанры не охватывают диапазон эмоций в каждой конкретной песне или композиции. По этой причине некоторые люди создают свои категории на iPod и сортируют музыку по актуальности под настроение или под конкретные цели: один плейлист для бега, другой – для романтического ужина. Но персональная цифровая музыкальная коллекция может насчитывать более десяти тысяч песен, а с такими объемами нелегко управляться.

Некоторые коммерческие продукты предлагают людям свою помощь в этом вопросе, а в процессе выдают новые способы осмысления «стиля» и тех акустических качеств, которые мы используем для обнаружения сходства в музыке. В 2000 году калифорнийская компания «Pandora Media» запустила музыкальный проект «Music Genome Project» («Музыкальный геном»). На момент выхода книги это была самая развитая из систем-помощников, способная определять музыкальные признаки или «гены». В рекламе утверждалось, что она «улавливала уникальные и магические музыкальные качества песни – от мелодии, гармонии и ритма до инструментовки, оркестровки, аранжировки, стихов и вокальной гармонии». Команда из тридцати музыкальных аналитиков классифицировала песни по четырем сотням разных признаков, чтобы создать потоковую музыкальную онлайн-станцию, которая за платную подписку обеспечивала музыкой из определенного региона «музыкальной вселенной», соответствующего определенной песне или исполнителю, выбранных пользователем. Библиотека «Пандоры» содержала более четыреста тысяч песен двадцати тысяч исполнителей, а ее рекомендации проходили через ряд тончайших настроек с помощью обратной связи от пользователей.

Существуют еще две конкурирующие программы: «Playola», написанная студентом Колумбийского университета в Нью-Йорке, и поисковик «Search Inside the Music» компании «Sun Microsystems». «Playola» ищет внутри песен определенные шаблоны, позволяющие относить их к нетрадиционным жанрам; после прослушивания песни пользователь должен провести пальцем по слайдерам, чтобы настроить жанровые предпочтения: например, чуть больше «авторской песни» и чуть меньше «колледж-рока». «Search Inside the Music» – детище Пола Ламера, разработчика программного обеспечения. Ранее он занимался конструктивным синтезом речи, а теперь работает в «компании по разработке музыкального интеллекта» «The Echo Nest» в городе Соммервиль в Массачусетсе. Система занимается поиском «акустических подобий» в песнях, таких как похожие мелодии, темпы, ритмы, тембры и инструментовки; пользователь может искать песни, которые «звучат похоже» на те, что ему нравятся, при этом акустические параметры можно комбинировать с пользовательскими предпочтениями, чтобы точнее настроить систему поиска. Ламер хочет, однако, чтобы обратная связь такого рода могла создавать «предубеждение популярности»: в результате хитовые композиции будут чаще попадаться в рекомендациях, чем менее успешные песни, а значит тренды будут заглушать собой новинки. В 2006 году социолог из нью-йоркского Колумбийского университета провел исследование, выявившее, что информация о выборе других пользователей может заметно исказить рейтинги популярных песен по сравнению с тем случаем, когда каждый пользователь осуществляет свой выбор независимо: шквал отзывов может заставить сравнительно непримечательные песни подняться на первые позиции в списке популярных композиций. Когда автоматическая «система рекомендаций» пользуется только акустическими характеристиками, это искажение исчезает.

Соотносятся ли акустические параметры субъективной классификации и вкусов с традиционно рассматриваемыми качествами мелодии, ритма и так далее? Некоторые системы «музыкального подбора» не предполагают подобное В прототипе «AudioRadar» разработчика Отмара Хиллигеса и его команды из Мюнхенского университета музыка классифицировалась по четырем разным осям: быстро/медленно, ритмично/мелодично, спокойно/возбуждающе и шероховато/гладко. Последняя пара измерялась количеством ритмических и мелодических изменений в песне в коротких и длинных временных промежутках. Этот метод задает каждой песне ряд координат в четырехмерном пространстве, а расстояние между песнями, по-видимому, определяет степень их подобия. Чтобы определить, какую музыку выбрать из этого пространства, пользователь указывает личные предпочтения по каждому из четырех признаков. Исследователи разработали метод проецирования результатов на двухмерный дисплей, где «эталонная песня» располагается в центре, окруженная концентрическими кругами из других песен. Пользователь может выбрать направление движения от текущей песни, например, ускорить темп с сохранением всех остальных характеристик, или же мр3-плеер можно отправить в блуждание по пространству «определенного настроения».

Все еще не решены начальные проблемы этого нового подхода при разбивке на жанры: Хиллигес допускает, например, что «система не может различать неоригинальную ерунду от великолепных песен». Схема классификации испытывает перенапряжение, когда сталкивается с разными типами музыки: в пространстве «AudioRadar» классическая музыка расположена очень близко к хэви-метал, что в результате может привести некоторых слушателей в ужас. ^[86]