Мы описываем музыку словами (грустная, энергичная, спокойная), но редко задумываемся о том, что за этими ощущениями могут стоять измеримые параметры. Сегодня музыкальные сервисы, такие как Spotify, анализируют каждый трек с помощью алгоритмов и превращают звук в набор чисел. Мне стало интересно какие именно параметры оцениваются при составлении музыкальных рекомендаций и как изменилась популярная музыка за последние 100 лет.
В ходе работы было создано 5 графиков:
Связь между энергичностью музыки и её танцевальностью
Разброс настроений треков между «счастливым» и «грустным»
Как менялась средняя громкость треков
Визуализация идеального трека
Сравнение характеристик разных жанров
Загрузка данных
1. Связь между энергичностью музыки и её танцевальностью
Точечная диаграмма рассеивания доказывает, что танцевальность музыки растет с энергичностью. Но есть исключения. Например треки с высокой энергией, но низкой танцевальностью (тяжелый рок, метал). А также треки с низкой энергией, но высокой танцевальностью.
2. Разброс настроений треков между «счастливым» и «грустным»
Большинство треков сконцентрировано в нейтральной зоне (valence 0.33–0.66), что указывает на преобладание эмоционально сбалансированной музыки. Крайние значения (очень грустные и очень веселые треки) встречаются реже. Это может объясняться тем, что большинство популярных треков стремятся к эмоциональной универсальности, чтобы привлечь максимально широкую аудиторию.
3. Как менялась средняя громкость треков
По графику видно, что за 100 лет средняя громкость музыки выросла. Самый резкий скачок произошел в 1990–2000-е годы. Переход на цифровые форматы (CD, затем MP3) усилил гонку за громкостью, а в эпоху стриминга (после 2010 года) громкость стабилизировалась, но наблюдается умеренная корреляция между громкостью и темпом: более быстрая музыка становится громче.
4. Визуализация идеального трека
На данной таблице видно, что танцевальность и энергичность обычно положительно коррелируют с популярностью. Также позитивные вокальные треки выигрывают по популярности среди слушателей у акустических и инструментальных.
Сравнение характеристик разных жанров
Радарная диаграмма наглядно демонстрирует, что каждый музыкальный жанр имеет уникальный звуковой отпечаток, определяемый комбинацией шести аудио-признаков. Хип-хоп выделяется максимальной речевой насыщенностью, классическая музыка — инструментальностью и акустичностью, рок — энергичностью, поп — сбалансированностью и танцевальностью. Контраст между жанрами подтверждает, что объективные аудио-характеристики успешно дифференцируют музыкальные стили и могут служить основой для автоматической классификации и рекомендательных систем.
Заключение
В ходе исследования я проанализировала датасет с сайта Kaggle о взаимосвязях характеристики музыки и эмоций, которые она вызывает. По графикам наглядно видно, как именно эмоции от музыки можно преобразовать в числа и вычислить закономерности для, например, создания рекомендаций в стриминговых сервисах.
В процессе работы над проектом я использовала Chat-GPT (модель GPT-4) для:
Помощи в написании кода и поиске ошибок
Генерации идей для графиков и путей анализа датасета
Улучшения текстов, объясняющих графики
