Rimsky-Korsakov正在工作。 现在，单一的作曲家变得越来越少见。 一群人创作的歌曲登顶随着时间的流逝，观众的音乐喜好发生了变化，这一点毋庸置疑。 每年与以前的音乐方式都不一样-一个新的方向成为主导。 因此，如果有需求，就会出现供应。 这意味着越来越多的表演者开始创作属于最流行趋势的音乐-这使您可以赚很多钱。 一切都很简单。
这种情况根本不是新鲜事；它年复一年地重复。 例如，在60年代（摇滚），80年代（流行音乐），90年代（嘻哈音乐）中观察到类似的情况。 所有这些都与现在有关。 但是，事实证明，现在音乐家们开始创作非常相似的音乐。 有时，艺术家的声音，音乐和艺术家本身是
如此相似，以致于很难区分它们。
但是这些都是个人印象。 也许一切真的有所不同？ 专家着手验证这一观点。 为此，决定使用音乐基因组计划中的数据。 顺便说一下，这就是驱动Pandora的引擎。 项目团队成员重点介绍了音乐创作的400多种属性，包括类型，歌曲风格，节奏，乐器内容。
通过研究不同音乐作品的各种属性，您可以了解它们的相似程度。 例如，以上是80年代音乐分析图表。 只有一个参数可以用来分析旋律-合成器的存在。 如您所见，随着时间的流逝，几乎那个时候的所有热门歌曲都对合成器进行了合理的“干预”。
1984年，这些乐器的使用达到了顶峰-没有一首歌曲不使用合成器。 正是他们确定了当时音乐环境的同质性（即同质性）。 但是，那段时间的歌曲听起来还是不一样，只是拿Van Van的歌曲“ Jump”和Stevie Wonder的“ I Just Called Say I Love You”。
利用音乐作品的特质，2005年，学生Tristan Jehan发表了他的作品“通过听力创作音乐”。 这是用于生成计算机音乐文件的框架。 根据创作者的说法，它的简化工作方式如下：您让计算机聆听新的作品，然后他又创作作品，好的作品风格与以前听过的作品相似。
Jehan的开发成果用于开发一种算法，用于将音乐作品划分为一小部分特征，然后根据该算法汇编该作品的“数字指纹”。
在写完作品后不久，这位前学生已经成为EchoNest的共同创始人之一。 她自己后来被Spotify用作推荐系统。 提示用户确切听他喜欢的音乐，下面有一个特殊选择。
顺便说一下，在EchoNest中，要比较音乐作品，不是400，而是只使用8个参数。 在“音乐相似性”研究的参与者的帮助下，他们决定从“前100首音乐作品”中测试音乐。 从理论上讲，EchoNest突出显示的具有相似特征的成分应该相似。
事情就这样发生了。
例如 ，凯蒂·佩里（Katy Perry）的《少年梦（Teenage Dream）》和凯莎（Kesha）的歌曲《 We R Who We R》在基本特征上非常相似。 但是也许其他成分是相似的？ 为此，您可以选择不同年份的流行歌曲，并使用EchoNest算法对其进行测试。
上图显示，音乐作品的相似性随时间增加。 图点沿纵坐标轴下降的次数越少，相似度越高。 事实证明，2012年至2016年的作品彼此最为相似。 根据一些音乐专家的说法，如今的歌曲创作已几乎成为一种自动过程，与几十年前不同。
如果以前有1-2位作者创作音乐，那就像音乐家创造力的电影中所表现出的折磨一样，他手里拿着钢笔坐在钢琴上，匆忙记录发现的音符，现在是传送带。 音乐行业与工厂之间的区别不大-属于同一专业，在“车间”中，几个人从事单个零件的创作，然后一切都融合在一起。 有人在制作贝斯音轨，有人在做-另一种安排，有人在收集所有“细节”。 所有这些实际上都可以称为“热门工厂”，这里的真相比看起来要多。
在80年代，大多数人都为两个人工作。 当时只有7首著名歌曲是由3个人组成的。 现在，约有50％的音乐作品是由4位或以上专家准备的。 大约有10位开发人员的歌曲已不再是稀罕了。 同样的哈瓦那由11人组成的团队集结。 结果，歌曲不像以前那样独特，只有很多类似的作品。
音频和视频编辑器可以通过网络传输歌曲的各个元素，这
导致了一个事实，即现在可以在同一房间内由一群人处理的情况下，比在编写2-3首歌曲之前花费更少的时间创建100首歌曲。 众所周知，从2010年到2014年，排名前10位的制作人占Billboard Hot 100排名前5位旋律的歌曲的40％。在80年代，这一数字低了两倍。
放大图片换句话说，越来越多的歌曲是由更少的人创作的。 自然地，这会影响每个旋律的独特性-同一个人每次都很难发出独特的东西，而不像以前出现的一切一样。 好吧，这些人也设定了趋势。