Là vous criez , vous pleurez devant ce titre barbare.
Maintenant, vous vous calmez et vous allez vous coucher moins bête en apprenant ce qu’est l’audio-fingerprinting. (le billet est bien long, armez vous de lunettes à triple foyer et de temps)
Aussi appelé acoustic-fingerprinting, cette technologie consiste à créer un code unique à partir d’un son. Un algorithme dédié permet d’identifier un morceau et ensuite par comparaison, on peut détecter une quantité de choses énorme : associer les infos concernant le morceau, surveiller si un son est diffusé à tel ou tel endroit (en surveillant les supports), etc. Les possibilités sont grandes.
Ce qui va nous intéresser ici, c’est l’utilisation qui peut être faite des audio-fingerprint dans le cadre d’un service comme Last.Fm ou comme Musicbrainz (j’utilise les deux services). Last.fm, pour bien fonctionner nécessite que les données ID3 Tag concernant les morceaux écoutés par ses membres soient correctes. Cela implique que soit : – la personne se charge d’avoir des données correctes et exactes / – soit que les morceaux aient été récupérés bien tagués.
Un morceau mal tagué (il peut être bien nommé, par exemple Muse – Time is Running Out.mp3 mais avoir de mauvaises “méta données” qui indiqueront peut être ‘artist : Queen’) peut soit empêcher Last.fm de rattacher ce que vous écoutez à sa base de données, soit induire le système à croire que vous écoutez Queen ou, si le morceau est très mal tagué “Artist one”, ou encore “Artist unknown”.
MusicBrainz est un service très pratique qui dispose de clients PC / Mac permettant d’assister l’utilisateur dans le renommage / retaggage de ses fichiers. Je l’utilise car il me permet d’avoir des fichiers vraiment “clean” au niveau nommage sachant que tous mes morceaux sont nommés ainsi : Artiste – Morceau.mp3. MusicBrainz Picard qui est le logiciel client pour Windows est vraiment pratique pour ça : on glisse et on dépose les fichiers dans l’interface et ensuite on peut faire correspondre un album avec les morceaux que l’on a ajouté pour corriger toutes les données nécessaires grâce à la base de données immense de MusicBrainz.
On a associé les données et on enregistre :
Et là, mon fichier est bien tagué, bien renommé :
Voilà pour cette assez grosse description de MusicBrainz, je reviens sur Last.fm :
En créant un outil de fingerprinting des morceaux de ses utilisateurs (plus d’infos sur le blog Last.fm), Last.fm va pouvoir améliorer sa précision car le système va collecter une quantité énorme de données sur les morceaux et notamment les titres mal tapés, les erreurs d’orthographe etc.
Cette précision rend donc le système bien plus efficace et j’espère très hautement qu’à terme, Last.fm rende son application de faire ce que fait Musicbrainz Picard : renommer et retaguer les fichiers mal tagués. D’ailleurs , si Gregory de Last.fm passe par ici et qu’il peut nous éclairer 🙂