O iTunes Genius (ou metadados da música) pode ser aprimorado para que músicas sem correspondência possam usar o recurso?

Minha pergunta se resume a: "Tecnicamente, como o recurso Genius funciona?" para que eu possa usá-lo nos casos em que ele não consegue encontrar correspondências suficientes para uma música específica.

Parte desta pergunta é: o que é armazenado na sua biblioteca ou metadados no iTunes ou no seu iPhone que permite que as músicas se combinem nas listas de reprodução automática? Em outras palavras, o que ele está fornecendo quando diz "Entregando resultados Genius ..."

Mais do que apenas academicamente interessante, estou me perguntando se há algo que eu possa fazer para ajustar os metadados dessas músicas que recebem as mensagens de erro do Genius para que funcionem. Ultimamente, tive algumas que são músicas populares e deveriam ter conseguido encontrar resultados com facilidade, mas não consegui.

Pelo que entendi, o Genius não apenas usa as metatags do seu mp3 para organizar as informações do Genius, mas também obtém muitas informações do que as pessoas colocam em suas listas de reprodução. Isso faz sentido, já que o objetivo do Genius é reunir automaticamente uma lista de músicas que vão juntas, sem a necessidade de fazê-lo manualmente.

Eu li um artigo sobre isso uma vez, em que um cara fez o Genius criar uma playlist para ele, e ele não conseguiu descobrir pela vida dele o que as músicas tinham em comum. Eles eram de todos os anos diferentes, gêneros, etc., inclusive incluindo palavras faladas. Finalmente, ele percebeu que todas as faixas tinham uma coisa em comum - eram canadenses. Obviamente, esse não é o comportamento mais inteligente, pois as faixas canadenses não são necessariamente aquelas que você gostaria de ouvir em sucessão. Mas é claro que não seria incomum as pessoas criarem uma lista de reprodução "canadense" por outros motivos além de ouvi-la como uma coleção, e é por isso que a Genius pensou que elas poderiam ir juntas. O recurso Genius perde lentamente seu charme à medida que a faixa avança de Celine Dion para um arquivo da CBC Radio e para Justin Bieber.

Os recursos do Genius verificam suas tags ID3, portanto, se seus metadados estão em ordem, padrão e relativamente precisos, você deve obter resultados decentes. Não há certeza, pois a Apple não divulgou como "ele" funciona exatamente, mas não há um tipo "Shazam" de análise computacional da estrutura da pista.

Agora, em uma nota lateral, o Genius analisa o que outros usuários também compraram (para a música que o Genius está verificando), o que eles também estão ouvindo e exibe suas listas de reprodução e recomendações do Genius de acordo.

Conclusão: mantenha suas tags ID3 alinhadas e o Genius deve ser capaz de localizar sua música, desde que não seja algo obscuro.

A descrição oficial do recurso pela Apple é tragicomicamente concisa , o iTunes em si não fornece feedback detalhado sobre a correspondência de gênios, mas existem algumas maneiras de cutucar os motores e ver se podem ser feitas alterações para melhor.

• O iTunes Match dará uma sensação de que as músicas não coincidem instantaneamente como efeito colateral da ativação do recurso. Você inicialmente terá um resumo em massa de quantas músicas corresponderam e quais não foram correspondidas. É uma boa aposta que a Apple use o mesmo tipo de correspondência aqui (talvez melhor que o gênio) - mas é um bom começo.
• Os dados geniais não são facilmente legíveis; portanto, você não pode criar facilmente listas de músicas que o gênio não reconhece e também músicas que ele conhece, mas que agora não consegue encontrar correspondências suficientes na sua biblioteca para fazer uma mixagem.

Eu nunca vi os documentos de design do recurso genial, nem alguém postando código que despeja o banco de dados em que a apple armazena e sincroniza os dados geniais com seus dispositivos iTunes e iOS; portanto, uma resposta autorizada pode ter que esperar até que o código termine em um museu , mas três aspectos gerais da correspondência do iTunes me ajudaram a entender como as coisas funcionam:

1. Muitas coisas estão relacionadas às músicas correspondentes - metadados, tamanho e, provavelmente, algumas impressões digitais do arquivo, bem como uma análise de partes do som, provavelmente serão processadas para garantir uma correspondência da música inicial.
2. Essas características de identificação são carregadas e, depois que os servidores do iTunes processam esses resultados, um banco de dados é preparado e baixado no seu dispositivo (dispositivo iTunes ou iOS de computador) para que ele possa reagir localmente às solicitações de correspondência subsequentes.
3. Geralmente, uma música específica encontra correspondências em uma biblioteca, mas falha em encontrar correspondências suficientes quando fica em uma biblioteca diferente do iTunes. O fato de a mensagem de erro ser a mesma não ajuda a descobrir por que uma correspondência falhou.

Tive algum sucesso em procurar uma música na loja do iTunes (quando essa música é vendida até lá) e ver as faixas recomendadas. Na prática, isso permite que eu julgue se a música é conhecida o suficiente para corresponder a uma grande biblioteca ou se o iTunes ainda não a atribuiu (especialmente para músicas que não estão à venda na loja da Apple como um download digital).

Como cada biblioteca de músicas pode ser muito diferente em termos de metadados correspondentes ao banco de dados e ao conteúdo da Apple, é bastante difícil generalizar se as coisas estão melhorando ou piorando ao longo do tempo. Minha cobertura para a genialidade parece estar melhorando constantemente, mas isso é pouco útil para alguém em que a genialidade falha na maioria das músicas com as quais se preocupam. Absolutamente me falha em novas faixas de artistas independentes e lançamentos não mainstream com menos de 10 meses de idade.

Por enquanto, o processo de melhoria de metadados é um processo de tentativa e erro para mim. Espero que alguém possa fazer engenharia reversa do banco de dados se a Apple não decidir adicionar mais detalhes ou expor mais do processo de correspondência, mas também não estou esperando isso tão cedo.