Die Empfehlungsmaschine von CriticAI integriert die Analyse von Musikinhalten mit Geschäftsdaten. Sie nutzt eine Technologie für tiefes metrisches Lernen, um die Ähnlichkeit von Songs im latenten Merkmalsraum zu berechnen, der nicht nur Merkmale des Audiospektrums berücksichtigt, sondern auch Daten zum Hörverhalten der Nutzer von Spotify und anderen Plattformen kombiniert. Tests haben gezeigt, dass die Genauigkeit des Style-Matchings für die Werke unabhängiger Musiker 82% erreicht und damit den Durchschnitt von 65% für Nachwuchs-A&R-Kommissare übertrifft. Diese Funktion ist besonders für aufstrebende Künstler hilfreich, um Märkte zu finden, wie z. B. für einen Folksänger, der durch die vom System empfohlenen Similar Artists geeignete SummitHub-Promotion-Kanäle fand, was zu einem Anstieg der Abspielzahlen für einen einzelnen Song um 3.00% führte.Die Empfehlungsergebnisse enthalten Ähnlichkeitsprozentsätze und spezifische Style-Tags, die Datenunterstützung für Marketingstrategien bieten.
Diese Antwort stammt aus dem ArtikelCriticAI: KI-gestütztes Werkzeug zur Analyse der MusikqualitätDie
