Sí. Fem servir un parell de cookies, i una ni tan sols és nostra. N’haurà d’acceptar-les per estalviar-se aquest missatge que ensenyem per imperatiu legal

“Reforç del missatge web amb la música apropiada”, notícia a Interdixit

Disseny + Desenvolupament. Multimèdia. Web. Comunicació. Grafisme. Art

Notícia: “Reforç del missatge web amb la música apropiada” de la secció Tendències

Reforç del missatge web amb la música apropiada

L’experiència de l’usuari d’una pàgina web s’accentua i augmenta la seva satisfacció quan se li dóna l’oportunitat de posar un teló sonor que reforci els missatges que rep. La música aïlla el contingut de la pàgina de l’entorn de consum i influeix de manera determinant en l’estat d’ànim del visitant. Però per a això ha d’haver una consonància entre el contingut i la música triada. Molt a la vora hi ha les aplicacions que poden llegir i interpretar els textos de la pàgina web i escollir la música apropiada.

Comença a ser freqüent que, en alguns blocs personals, els seus autors proposin en un racó de la interfície un reproductor d’àudio amb la música que estan escoltant en aquest moment. O que voldrien escoltar en aquell moment, més ben dit. Els reproductors suposen una evolució de la música fixa de reproducció automàtica que era considerada una agressió pels involuntaris visitants.

A més d’aquests reproductors, també hi ha alguns estudis de disseny que periòdicament pengen dels seus servidors un podcast amb fins a 2 hores de selecció musical ininterrompuda destinada als seus clients. I blocs d’empresa, en què s’ofereix una llista de reproducció de Spotify que recull els gustos del personal.

El proper pas és més evolucionat. Els sistemes de reconeixement i servei de música en streaming comencen a analitzar automàticament els seus repertoris i les publicacions escrites sobre els mateixos, per generar un corpus correctament indexat que es podrà fer servir automàticament quan el to dels textos d’una pàgina web ho demani.

Tipus d’anàlisi musical
Els serveis de captació i oferta musical fan servir diferents mètodes per valorar els seus repertoris.

  • Pandora classifica les seves propostes musicals mitjançant enquestes a musicòlegs.
  • Songza fa servir com a base de la classificació les llistes de reproducció dels seus usuaris.
  • Last.fm fa servir dades d’escolta recent, etiquetes dels artistes i de les seves cançons i una anàlisi acústic de cada peça.
  • All Music Guide es fonamenta en els comentaris de crítics i aficionats.
  • Amazon només fa servir els perfils personals en l’historial de compres de cada tema.
  • iTunes Genius usa els perfils personals de l’historial de compres i la quantitat de vegades que s’ha reproduït el tema.
  • Echo Nest analitza acústicament el tema i tot el text de la pàgina en què ha estat trobat.

Les anàlisis acústics d’Echo Nest emulen automàticament l’oïda humana, modelant un senyal sonor des d’un arxiu digital i obtenint-ne les freqüències i la sonoritat. En una segona fase, se segmenta el tema sonor en fragments de fins a 4 segons obtenint el color, volum, timbre, fins a una dotzena d’instruments detectables, tempo i l’estructura del tema (intro, pont, cor, estrofa…). Amb aquests elements es classifica en diferents categories: ballable, enèrgic, ràpid, vivaç…

Aprofundint en les categories, és possible obtenir les paraules clau corresponents als estats d’ànim que quadren amb el contingut i poder plantejar a cada usuari un reproductor amb la música més adequada.

Per exemple, una gran passi de fotografies en una pàgina web, que requereix molts minuts d’experiència d’usuari, es complementa amb música festiva, si les imatges estan etiquetades com festes; fúnebre, si corresponen a funerals; romàntica, per a escapades en parella; o infantil, si són de nens.

El missatge traslladat cobra més potència.

Música contextual
També s’anuncia l’anàlisi contextual del moment de consum que és capaç de captar el reproductor d’àudio. El petit dispositiu pot captar variables que es converteixen en factors contextuals, per encreuament amb altres dades públiques o per inferència en un entorn de consum. La combinació de factors possibilitarà oferir automàticament la música que s’ajusti al missatge i a d’altres paràmetres.

L’aplicació podrà conèixer en quin moment del dia s’escolta la música i inferir si s’està a casa o treballant al despatx. Amb quin dispositiu es navega. Amb quina freqüència es fan servir els reproductors. Quant de temps fa que es consulta la pàgina web. La posició geogràfica.

I amb aquestes dades pot saber si plou o fa sol. I decidir si és millor una música alegre o malenconiosa per il·lustrar el contingut.