DJ

¿Qué ocurre si cambiamos al DJ por una máquina?

Desde hace años se debate sobre si las ayudas digitales al DJ son buenas o malas, de si dejar que el ordenador sincronice automáticamenten las canciones, que los niveles de ganancia se ajusten solos o que nos haga sugerencias basadas en la tonalidad, sólo sirve para que personas ajenas a la profesión se introduzcan más fácilmente. En todo ese debate, algunas voces siempre han dicho “Bueno, por lo menos la decisión final en la selección musical queda en manos de una persona, y eso es lo importante”. Pero, ¿y si eliminamos el factor humano totalmente y dejamos que un ordenador seleccione todas las canciones y las acompase automáticamenten “creando” una sesión de DJ?

¿De qué tecnología estamos hablando?

Semejante experimento puede hacerse, y no con tecnología especialmente cara ni compleja de obtener. Hace casi dos meses Algoriddim publicó la versión 2.5 de Djay para iPad, con dos novedades excepcionales: la posibilidad de cargar música del vasto catálogo de Spotify, y poder utilizar la función Match, que realiza sugerencias sobre la próxima canción empleando la tecnología desarrollada por The Echo Nest, empresa adquirida por Spotify en Marzo de 2014.

Djay 2.5 con conexión a Spotify y empleando Match

The Echo Nest es una compañía que recopila información de la red acerca de la música actual. Por una parte toma las reacciones de aficionados, fans y profesionales, vertidas en webs y redes sociales (tampoco es que den muchos detalles de su data mining, como es logico) y por otro lado analiza el audio de una base de datos de unos 30 millones de canciones (y creciendo) y con ello genera sugerencias musicales para listas de reproducción. A pesar de que Spotify compró la empresa, no son los únicos que se benefician del servicio, MTV, BBC, iHeartRadio, RDio, EMI, Nokia, Vevo… son grandes empresas del sector audiovisual y de la comunicación que emplean los servicios de The Echo Nest para programar las listas de reproducción y sugerencias para su audiencia.

Si unimos a esta capacidad de “selección inteligente” la función de reproducción y sincronía automática que ya tiene Djay, tenemos todo lo necesario para realizar sesiones de manera totalmente automática. Repasemos lo que nos va a hacer falta:

- Un iPad, en nuestro caso concreto un iPad Mini, el modelo exacto usado es el de primera generación, que puede adquirirse por 290€.

- La aplicación Djay, versión 2.5, que tiene actualmente un coste de 8,99€

- Una suscripción Premium a Spotify, actualmente cuesta 9,99€ al mes.

- Para el experimento empleamos una conexión a internet de 20mb/s, a la que nos conectamos inalámbricamente con el iPad a través de un router Netgear CG3100D.

La sesión

En nuestro experimento sí hay algo en lo que se permitió la “influencia” del ser humano, y es que en modo automático, Djay solo realiza transiciones entre las canciones cuando a la que está sonando le quedan apenas 10 segundos, lo cual aunque puede ser correcto, no es lo más habitual en música de baile. Así pues, decidí que se activaría manualmente la transición automática a la siguiente cuando a la canción en reproducción le quedara un minuto. La transición entre canciones es automática y dura 30 segundos (el máximo configurable), durante los cuales el programa desplaza el crossfader de un canal a otro a velocidad constante mientras reproduce las dos canciones, acompasadas de manera automática en base al análisis que ha hecho el programa. Si hay algún fallo en el análisis de las canciones, se ha dejado tal cual.

Para la selección de canciones, Match ofrece una lista de sugerencias, de las cuales siempre se escogía la primera sugerencia, aunque me permití el lujo de emplear una excepción: no repetir artista. En caso de que la primera sugerencia supusiera repetir artista, se pasaba a la siguiente opción. La aplicación se configuró para ajustar automáticamente la ganancia de las canciones y emplear un limitador en el Master para evitar distorsión.

Una canción tendría que ser la primera, la que disparara las sugerencias de Match. Para seguir evitando el factor humano en la medida de lo posible, utilizamos la función “Explorar” de Spotify para elegirla, entrando en la categoría musical Deep House. El tema elegido fue “Hope (Radio Edit)” de Andrea Roma, que estaba entre los primeros puestos de música Deep House recomendada por Spotify. Todo lo que vino después, lo seleccionó el servicio Match y lo sincronizó automáticamente la aplicación.

Y bueno, sin más preámbulo, la sesión puede escucharse aquí (está alojada en Mixcloud):

La reflexión

En mi opinión, el resultado tiene en ocasiones algunas mezclas que dejan la sesión algo muerta, es lo que tiene un sistema automatizado, pase lo que pase, la transición continúa. Es algo que ocurre especialmente al principio de la sesión, también hay un par de cambios de estilo que son algo forzados. Y por supuesto no hay "mezclas creativas", simplemente transciciones acompasadas. A pesar de todo, la parte central de la sesión es ciertamente interesante, ya que Match elige unas cuantas canciones con toques progresivos que combinan bastante bien. El resultado global podría considerarse aceptable como programa de radio, o podcast... aunque tengo mis dudas de que resultara interesante en una pista de baile, quizá sólo los muy aficionados al género lo disfrutaran. Y ojo, a pesar de empezar con Deep House, para nada es lo que suena durante toda la sesión.

Adicionalmente, una sesión empleando el sistema elegido, adolecería de algo esencial que aporta el factor humano: captar el feedback que ofrece la pista. Pero algunos ya hablan de instalar cámaras y sensores que identifiquen la cantidad de gente que hay en una pista de baile y su actitud en ella (reconocimiento facial, movimiento…) en base a la canción que está sonando, así como en otras zonas de los clubs como barras, reservados, acceso a los aseos, guardarropas… y estudiar cómo se comporta y desplaza la gente a cada área del club según la música que suena. Además, todo el mundo lleva encima siempre algo lleno de sensores que se podría aprovechar para analizar el comportamiento de la gente en un club: el smartphone. Cruzando esa información con geolocalización y datos demográficos, así como con la información de otros clubs de todo el mundo, podrían generarse algoritmos que de manera efectiva recomendaran la siguiente canción para una pista de baile concreta en un momento determinado. En resumen, analizar a fondo el comportamiento de los humanos, para tratar de que la máquina pueda decidir lo que le gustaría a un humano. ¿Ciencia ficción? Para nada, ya hay mucha tecnología existente que podría emplearse con esta finalidad, otra cuestión es convertirlo en rentable. Aunque en ocasiones, la rentabilidad es únicamente cuestión de tiempo. Ya se sabe que Amazon tiene patentado un sistema para predecir las compras que sus clientes podrían hacer, y enviarlas a su casa antes incluso de que las ordenen, un sistema que según se dice, no se ha puesto en marcha simplemente porque podría asustar a los usuarios. Y todo ello basándose en los datos recopilados de sus 200 millones de clientes. Predecir la siguiente canción que un grupo de personas quiere escuchar, no debería ser mucho más complicado.

¿Qué os ha parecido la sesión? ¿Os ha gustado o decepcionado? ¿Encontráis viable un sistema automatizado de selección y reproducción musical basado en recopilación de datos y algoritmos en eventos con público? ¿O simplemente es viable como herramienta de ayuda a un DJ?

Teo Tormo
EL AUTOR

He trabajado como productor musical y discjockey. Desde hace años investigo y analizo la tecnología musical aplicada al DJ, buscando siempre las herramientas más innovadoras y observando su impacto en la industria musical.

¿Te gustó este artículo?
8
Hispasonic en InstagramSíguenos
Comentarios

Regístrate o para poder comentar