Bagaimana Komputer Mengenali Lagu dari Suaranya Saja

· 7 menit baca

Kamu punya berkas bernama "track07.mp3" tanpa satu pun keterangan. Tidak ada judul, tidak ada artis. Tapi dalam beberapa detik, sebuah aplikasi bisa memberitahumu bahwa itu lagu tertentu dari album tertentu tahun tertentu. Bagaimana bisa?

Bukan dari nama berkasnya

Hal pertama yang perlu diluruskan: pengenalan ini sama sekali tidak membaca nama berkas atau metadata. Berkas bernama "aaa.flac" dengan tag kosong tetap bisa dikenali.

Yang dibaca adalah suaranya sendiri.

Sidik jari akustik

Ide dasarnya mirip sidik jari manusia. Kamu tidak perlu menyimpan seluruh tubuh seseorang untuk mengenalinya kembali — cukup pola kecil yang sangat khas dan tidak berubah.

Untuk musik, prosesnya kira-kira begini: perangkat lunak menganalisis lagu dan mencatat pola perubahan energi di berbagai rentang frekuensi sepanjang waktu. Di detik keberapa nada tinggi menguat, kapan bass masuk, bagaimana pola itu berulang.

Hasilnya bukan potongan lagu, melainkan deretan angka. Dari deretan angka itu, lagu aslinya tidak bisa disusun ulang — sama seperti sidik jari tidak bisa dipakai merekonstruksi wajah seseorang.

Ini alasan kenapa proses pengenalan tidak melanggar privasi maupun hak cipta: yang dikirim ke server hanyalah pola matematis, bukan musiknya.

Kenapa sidik jari tetap cocok walau berkasnya berbeda

Bagian yang paling mengesankan: sidik jari lagu yang sama tetap cocok walau berkasnya berbeda format, bitrate, atau bahkan sedikit berbeda volume.

Ini karena yang dicatat adalah pola relatif, bukan nilai absolut. Kalau seluruh lagu dinaikkan volumenya 10%, hubungan antar-bagiannya tetap sama — dan hubungan itulah yang disimpan.

Karena itu MP3 128 kbps dan FLAC dari lagu yang sama menghasilkan sidik jari yang cocok, walau isinya sangat berbeda secara data.

AcoustID: perpustakaan sidik jari

AcoustID adalah basis data terbuka yang menyimpan jutaan sidik jari beserta identitas lagunya. Saat aplikasi mengirim sidik jari, AcoustID mencari yang paling cocok dan mengembalikan pengenal lagunya.

Basis datanya tumbuh dari sumbangan pengguna — setiap kali seseorang mengenali lagu dan mengonfirmasi hasilnya benar, data itu memperkuat pencocokan untuk orang berikutnya.

MusicBrainz: ensiklopedia musiknya

AcoustID hanya menjawab "lagu apa ini". Untuk mengetahui judul, artis, album, tahun, nomor trek, dan gambar sampulnya, dibutuhkan basis data terpisah — dan di situlah MusicBrainz berperan.

MusicBrainz adalah ensiklopedia musik terbuka yang disunting sukarelawan, mirip Wikipedia tapi khusus data rilisan musik. Ia menyimpan hal-hal yang sangat detail: perbedaan antara rilisan Jepang dan Eropa, siapa memainkan instrumen apa, tanggal rilis tiap negara.

Keduanya bekerja berpasangan: AcoustID mengenali lagunya, MusicBrainz menjelaskan lagunya.

Kenapa hasilnya kadang meleset

Perlu jujur soal keterbatasannya.

  • Satu lagu bisa punya banyak rilisan. Album yang sama dirilis ulang sebagai remaster, edisi deluxe, atau versi negara tertentu dengan trek berbeda. Sidik jarinya sama, tapi metadatanya berbeda-beda.
  • Rekaman langka mungkin belum terdaftar. Musik lokal, rilisan indie kecil, atau rekaman lawas sering belum ada di basis data.
  • Versi live dan studio bisa tertukar kalau aransemennya sangat mirip.
  • Sidik jari butuh durasi cukup. Potongan lagu yang sangat pendek sulit dikenali dengan yakin.

Karena itu aplikasi yang baik selalu menunjukkan tingkat keyakinan pencocokan dan meminta persetujuanmu sebelum menulis apa pun ke berkas.

Bagaimana EarTea memakainya

EarTea menghitung sidik jari langsung di peramban kamu, mengirimkannya ke AcoustID, lalu mengambil detail rilisan dari MusicBrainz.

Berkas musiknya sendiri tidak pernah meninggalkan komputermu — yang berjalan lewat jaringan hanya deretan angka sidik jari dan hasil pencariannya.

Usulan metadata ditampilkan lebih dulu agar kamu bisa memeriksanya. Kalau pencocokannya keliru — misalnya kamu punya versi remaster tapi yang tercocok versi asli — kamu bisa menolak dan memilih sendiri.

Coba pada berkas paling berantakan di koleksimu: justru berkas tanpa judul sama sekali yang paling menunjukkan kemampuan pengenalan ini.

Buka EarTea

Kenapa ini layak dihargai

Baik AcoustID maupun MusicBrainz dikelola sebagai proyek terbuka nirlaba, dan datanya bisa dipakai siapa saja secara gratis.

Sebagian besar aplikasi musik yang bisa "mengenali lagu secara ajaib" berdiri di atas kerja sukarelawan yang tidak dibayar selama dua dekade. Kalau kamu menyunting satu entri yang keliru di MusicBrainz, kamu ikut memperbaikinya untuk semua orang.