Um aplicativo para músicos que permite pesquisar uma música gratuitamente e assistir ao vídeo com a transcrição dos acordes. Chama-se Yalp.io e é um projeto desenvolvido pela Nami Lab, uma startup de Monza que lida com aprendizado de máquina e inteligência artificial aplicada a contextos criativos.
“Desde que criamos a versão beta do Yalp.io, nosso primeiro produto, o crescimento foi exponencial – explica Simone Geravini, 34, cientista da computação e músico à frente da empresa – e tivemos um excelente feedback principalmente do exterior: 80% do nosso tráfego vem do Japão”.
O novo aplicativo não viola direitos autorais, pois "somente a melodia e a letra de uma música estão sujeitas a direitos autorais - sublinha Geravini -, enquanto a estrutura harmônica, ou seja, o conjunto de acordes, não está sujeita a essas regras , e por isso nós pode publicar os símbolos de acordes de qualquer música. Para o nosso projeto, portanto, usamos informações que não estão sujeitas a direitos autorais, enquanto o áudio vem dos servidores do YouTube, então é um sistema muito flexível e escalável”.
Yalp.io é o único projeto italiano que utiliza essa tecnologia aplicada à música e no mundo apenas outras duas empresas (uma israelense e uma holandesa) atuam no mesmo ramo.
“Nossos usuários são músicos ou simples entusiastas, amadores e aspirantes a profissionais: não estabelecemos limites – escrevem em nota os fundadores do Nami Lab -. No momento a tecnologia que desenvolvemos não é 100% perfeita, mas tem um grau de aproximação que gira em torno de 85%. Estamos tentando melhorar cada vez mais, corrigindo erros de máquinas com novos algoritmos de inteligência artificial baseados em redes neurais. O objetivo é chegar perto da perfeição, ou seja, conseguir ter 95% de acerto nas transcrições.
Do lado financeiro, em fevereiro a Nami Lab fechou um acordo “por 250 mil euros com o Geode Group, constituído por Massimo Orlandi, Riccardo Bani e Egidio Ricciuti, fundadores da Sorgenia – continua Geravini –, que se juntaram à nossa empresa como sócios financiadores. Eles acreditaram no nosso projeto e, sabendo que lidamos com Redes Neurais, Deep Learning, Análise Topológica de Dados e Machine Learning, decidiram confiar em nós”.
O próximo objetivo é tentar construir um banco de dados de um milhão de músicas analisadas.
