catch-img

Spotify APIで楽曲の分析データを取得する方法


目次[非表示]

  1. ベートーベンと八代亜紀を一緒にレコメンドするには
    1. レコメンデーションの仕組み
  2. Spotyfy APIで取れるデータ
    1. ミリセカンド単位でデータ化している
  3. 夜に駆けるを可視化する
    1. 分析データの取得は2種類
      1. audio_features
      2. audio_analysis
    2. 各特徴量を可視化
  4. TOP50 japanをダッシュボード化
    1. Tableauバージョン
    2. データポータルバージョン
  5. まとめ

Spotifyのレコメンデーションは日に日に精度があがり、アルゴリズムに身を委ねる若い人々の生活になくてはならないものとなりつつあるようです。



Z世代の次の世代と言われているα世代は、こうした最新のAIに身を委ねながら(アルゴリズムを1%も疑わず)、メタバース世界で生活していくという、まさにサイバーパンク的世界が当たり前になっていくのかもしれません。

ベートーベンと八代亜紀を一緒にレコメンドするには

今から6年前の2015年、大前研一氏があるイベントの中で「ベートーベンと八代亜紀を一緒におすすめするような音楽レコメンドAIを開発していくのが重要」ということを言っていたのがとても印象的でした。

それから早くも6年が経ち、この問題はそろそろSpotify聖帝が解決してくれそうな勢いです。

レコメンデーションの仕組み

参考までに一般的にレコメンデーションには、

  • 履歴から推奨する「協調ベースフィルタリング」
  • アイテムから推奨する「内容べースフィルタリング」

の二通りがあるようです。

アマゾンでは商品下にある「この商品に関連する商品」が内容ベース(類似商品)、「この商品を買った人はこんな商品も買っています」が強調ベース(いわゆるおむつとビール系)だと思われます。

Spotifyでは履歴から推奨する、協調ベースフィルタリングが基本となっていそうです(この曲とこの曲を聞いた人は、あの曲を聞く確率が高いetc)。

協調ベースフィルタリングだけでは、ベートーベンと八代亜紀を一緒に聞く人がある程度いないとレコメンドは難しいような気がします。

Spotifyではここにディープラーニング(音の周波数を画像に変換し、畳み込み画像処理を行う)と、WEB上から集めたテキスト情報を自然言語処理したものをかけ合わせているそうです。

  Spotifyのレコメンデーションエンジンの機械学習アルゴリズムについて解説します | 音楽とプログラミングを駆使できる未来のMUSIC TECHNOLIGISTを創出する MUSIC TECH ACADEMY CANPLAY 未来の音楽を今創ろう 最新TECHで音楽にイノベーションを 音楽TECH学校 CANPLAY 音楽とプログラミングを駆使できる未来のMUSIC TECHNOLIGISTを創出する MUSIC TECH ACADEMY CANPLAY

Spotifyでは更に独自の「プレイリスト」の存在も重要となっているようで、プレイリスト一つ一つをアイテムと捉えれば、内容べースフィルタリングとしても使えそうですし、曲単位/プレイリスト単位でつけられた”いいね”も重要な学習データの一つとなっているようです。

また自動的に生成される「Daily Mix」や「Discover Weekly」といったプレイリストも学習データとすることで、まるで魔法と言われるのような高い精度が実現できているのでしょう。

Spotyfy APIで取れるデータ

こうしたSpotifyのデータはSpotify APIから取得することができます(spotipyというライブラリを使うと簡単に取得することができます)。

取得コードの解説は長くなってしまうのでこのブログでは省きますが、試しに現在「Top 50 - Japan」1位のBTS「Butter」のデータを取得すると、下記のようなデータが取得できます。

{'added_at': '2021-09-17T09:54:38Z',
 'added_by': {'external_urls': {'spotify': 'https://open.spotify.com/user/'},
              'href': 'https://api.spotify.com/v1/users/',
              'id': '',
              'type': 'user',
              'uri': 'spotify:user:'},
 'is_local': False,
 'primary_color': None,
 'track': {'album': {'album_type': 'single',
                     'artists': [{'external_urls': {'spotify': 'https://open.spotify.com/artist/3Nrfpe0tUJi4K4DXYWgMUX'},
                                  'href': 'https://api.spotify.com/v1/artists/3Nrfpe0tUJi4K4DXYWgMUX',
                                  'id': '3Nrfpe0tUJi4K4DXYWgMUX',
                                  'name': 'BTS',
                                  'type': 'artist',
                                  'uri': 'spotify:artist:3Nrfpe0tUJi4K4DXYWgMUX'}],
                     'available_markets': ['AD'],
                     'external_urls': {'spotify': 'https://open.spotify.com/album/1HnJKmB4P6Z8RBdLMWx18w'},
                     'href': 'https://api.spotify.com/v1/albums/1HnJKmB4P6Z8RBdLMWx18w',
                     'id': '1HnJKmB4P6Z8RBdLMWx18w',
                     'images': [{'height': 640,
                                 'url': 'https://i.scdn.co/image/ab67616d0000b2736bb2b8231817c8d205d07fb2',
                                 'width': 640},
                                {'height': 300,
                                 'url': 'https://i.scdn.co/image/ab67616d00001e026bb2b8231817c8d205d07fb2',
                                 'width': 300},
                                {'height': 64,
                                 'url': 'https://i.scdn.co/image/ab67616d000048516bb2b8231817c8d205d07fb2',
                                 'width': 64}],
                     'name': 'Butter (Hotter, Sweeter, Cooler)',
                     'release_date': '2021-06-04',
                     'release_date_precision': 'day',
                     'total_tracks': 5,
                     'type': 'album',
                     'uri': 'spotify:album:1HnJKmB4P6Z8RBdLMWx18w'},
           'artists': [{'external_urls': {'spotify': 'https://open.spotify.com/artist/3Nrfpe0tUJi4K4DXYWgMUX'},
                        'href': 'https://api.spotify.com/v1/artists/3Nrfpe0tUJi4K4DXYWgMUX',
                        'id': '3Nrfpe0tUJi4K4DXYWgMUX',
                        'name': 'BTS',
                        'type': 'artist',
                        'uri': 'spotify:artist:3Nrfpe0tUJi4K4DXYWgMUX'}],
           'available_markets': ['AD'],
           'disc_number': 1,
           'duration_ms': 164441,
           'episode': False,
           'explicit': False,
           'external_ids': {'isrc': 'QM6MZ2156864'},
           'external_urls': {'spotify': 'https://open.spotify.com/track/2bgTY4UwhfBYhGT4HUYStN'},
           'href': 'https://api.spotify.com/v1/tracks/2bgTY4UwhfBYhGT4HUYStN',
           'id': '2bgTY4UwhfBYhGT4HUYStN',
           'is_local': False,
           'name': 'Butter',
           'popularity': 92,
           'preview_url': 'https://p.scdn.co/mp3-preview/edf24f427483d886b640c5ed9944f9291e0976fc?cid=a93660565a7f4d328ade2b4e098421a6',
           'track': True,
           'track_number': 1,
           'type': 'track',
           'uri': 'spotify:track:2bgTY4UwhfBYhGT4HUYStN'},
 'video_thumbnail': {'url': None}}


ミリセカンド単位でデータ化している

SpotifyAPIのデータを見てまず驚くのが、duration_msという音楽の長さの単位がミリセカンドだということです。

Spotifyは全ての楽曲を1,000分の1秒単位で細かく分析しているということでしょうか(凄すぎ)。

このButterのデータでは、164.441秒で2.74分(2分44秒)ということになります。


夜に駆けるを可視化する

ここからは夜に駆けるのデータを取得してみたいと思います。


分析データの取得は2種類

音声分析のデータは曲単位で取得できるaudio_features("ID")と、曲中の時系列単位で取得できるaudio_analysis("ID")の2種類があるようです。

audio_features("ID")
audio_analysis("ID")

audio_features

audio_featuresで取得できる情報は下記の項目となります。

{'acousticness': 0.00299,
 'analysis_url': 'https://api.spotify.com/v1/audio-analysis/6MCjmGYlw6mQVWRFVgBRvB',
 'danceability': 0.663,
 'duration_ms': 258840,
 'energy': 0.871,
 'id': '6MCjmGYlw6mQVWRFVgBRvB',
 'instrumentalness': 1.8e-06,
 'key': 8,
 'liveness': 0.337,
 'loudness': -5.287,
 'mode': 1,
 'speechiness': 0.03,
 'tempo': 130.025,
 'time_signature': 4,
 'track_href': 'https://api.spotify.com/v1/tracks/6MCjmGYlw6mQVWRFVgBRvB',
 'type': 'audio_features',
 'uri': 'spotify:track:6MCjmGYlw6mQVWRFVgBRvB',
 'valence': 0.826}


取得できる指標                                         
内容
acousticness
アコースティック感(0~1)
A confidence measure from 0.0 to 1.0 of whether the track is acoustic. 1.0 represents high confidence the track is acoustic.
danceability
踊れる曲かどうか(0~1)
Danceability describes how suitable a track is for dancing based on a combination of musical elements including tempo, rhythm stability, beat strength, and overall regularity. A value of 0.0 is least danceable and 1.0 is most danceable.
duration_ms
秒数(ms)
The duration of the track in milliseconds.
energy
エネルギッシュさ(0~1)
Energy is a measure from 0.0 to 1.0 and represents a perceptual measure of intensity and activity. Typically, energetic tracks feel fast, loud, and noisy. For example, death metal has high energy, while a Bach prelude scores low on the scale. Perceptual features contributing to this attribute include dynamic range, perceived loudness, timbre, onset rate, and general entropy.
instrumentalness
インスト感(歌声が入っていない/0~1)

Predicts whether a track contains no vocals. “Ooh” and “aah” sounds are treated as instrumental in this context. Rap or spoken word tracks are clearly “vocal”. The closer the instrumentalness value is to 1.0, the greater likelihood the track contains no vocal content. Values above 0.5 are intended to represent instrumental tracks, but confidence is higher as the value approaches 1.0.

liveness
ライブ感(聴衆がいるか)(0~1/0.8以上でライブ判定)
Detects the presence of an audience in the recording. Higher liveness values represent an increased probability that the track was performed live. A value above 0.8 provides strong likelihood that the track is live.
loudness
ラウドネス/音量・音圧(dB/-60~0db)
The overall loudness of a track in decibels (dB). Loudness values are averaged across the entire track and are useful for comparing relative loudness of tracks. Loudness is the quality of a sound that is the primary psychological correlate of physical strength (amplitude). Values typical range between -60 and 0 db.
mode
マイナーコード(0)/メジャーコード(1)
Mode indicates the modality (major or minor) of a track, the type of scale from which its melodic content is derived. Major is represented by 1 and minor is 0.
speechiness
言葉がどれくらい入っているか(0~1)
Speechiness detects the presence of spoken words in a track. The more exclusively speech-like the recording (e.g. talk show, audio book, poetry), the closer to 1.0 the attribute value. Values above 0.66 describe tracks that are probably made entirely of spoken words. Values between 0.33 and 0.66 describe tracks that may contain both music and speech, either in sections or layered, including such cases as rap music. Values below 0.33 most likely represent music and other non-speech-like tracks.
tempo
テンポ(40-200bpm)
The overall estimated tempo of a track in beats per minute (BPM). In musical terminology, tempo is the speed or pace of a given piece and derives directly from the average beat duration.
key
キー(0がC/0~11)
The key the track is in. Integers map to pitches using standard Pitch Class notation . E.g. 0 = C, 1 = C♯/D♭, 2 = D, and so on.
time_signature
拍子(1小節あたり何拍子か)
An estimated overall time signature of a track. The time signature (meter) is a notational convention to specify how many beats are in each bar (or measure).
valence
悲観的(0)~楽観的(1)
A measure from 0.0 to 1.0 describing the musical positiveness conveyed by a track. Tracks with high valence sound more positive (e.g. happy, cheerful, euphoric), while tracks with low valence sound more negative (e.g. sad, depressed, angry).
popularity
相対的人気度(0~100)
The popularity of the artist. The value will be between 0 and 100, with 100 being the most popular. The artist’s popularity is calculated from the popularity of all the artist’s tracks.

danceability(踊りやすい曲かどうか)など、Spotify独自の指標があるのが特徴です。

こうした数値を逆引きして曲を検索するWEBアプリが↓

  Nelson | Spotify Recommendations Jukebox https://nelson.glitch.me/#

audio_analysis

audio_analysisは曲を時間軸で区切って分析したデータとなるようで、「'meta', 'track', 'bars', 'beats', 'sections', 'segments', 'tatums'」という軸でデータが取得できます。

取得軸
内容
bar
小節
beat
ビート
sections
リズムや音色の大きな変化
segments
音色とハーモニーが比較的均一な一連のサウンドエンティティ
tatums
リズミカルなフレーズの連続する音符間の最小の時間間隔

sectionsで取れるもの

segmentsで取れるもの
​​​​​​​

[{'confidence': 0.476, 'duration': 1.8382, 'start': 1.89899},
 {'confidence': 0.777, 'duration': 1.84207, 'start': 3.73719},
 {'confidence': 0.399, 'duration': 1.83751, 'start': 5.57926},

こちらは更に10万分の1秒単位で時系列で数値化しているようです。

このaudio_analysisの項目は日本語の解説が少なく分かりづらいですが、下記に一部まとめられていました。

  Audio Analysis with Spotify's Web API Presentation video here: https://www.youtube.com/watch?v=goUzHd7cTuA&feature=youtu.be When we talk about the Science of Music, determining useful information a… https://www.slideshare.net/MarkKoh9/audio-analysis-with-spotifys-web-api

sectionsは曲のパートを抽出しているようで、durationを見てみるとサビや間奏などの場面で分割されていることが分かります。

 

各特徴量を可視化

ここからは取得した「夜に駆ける」のデータを使って可視化してみます。

夜に駆けるは、spotifyの解析によると「エネルギッシュでポジティブな割と踊れる曲」という結果となりました。

更にこちらのアプリでaudio_analysis()で取得できる時系列データを可視化したのが↓になります。

Sectionsの色を見ると、しっかりと曲の流れに合わせて色が変化していることが分かります。

これを全ての曲で行っていると考えると、Spotifyがいかに凄いことをしているかに驚きます。


TOP50 japanをダッシュボード化

せっかくなのでSpotifyのTOP50 japanデータを取ってきて、可視化できるようダッシュボードに入れてみます。

Tableauバージョン

リンクはこちら


データポータルバージョン


​​​​​​​リンクはこちら

まとめ

Spotify APIで手に入るデータはとにかく膨大です。

音楽市場は国内だけでも2,700億円もあるそうで、特に音楽は「趣味趣向が多様」「繰り返し聞く」「何十年も覚えている」「感情を揺さぶる」「常に新曲が現れる」「(動画コンテンと異なり)他の作業と並行して聞くことが多い」といった特徴があり、データそのものとしても扱いが面白いジャンルだと思われます。

  20年の国内音楽市場2727億円、デジタル増も全体は9%減 日本レコード協会(東京・港)は10日、2020年の国内のCDなど音楽ソフトと音楽配信の売上高が前年比9%減の2727億円だったと発表した。ストリーミングなどデジタル音楽配信が11%増え、全体の3割を占めた。市場全体では2年連続で減少した。2020年の日本レコード協会に加盟する売り上げ実績を集計した。ダウンロードやストリーミング配信を含むデジタル音楽配信の売上高は前年比11%増の783億円だった 日本経済新聞

以上SpotifyのAPI解説でした。

こちらにはSpotifyAPIを活用した様々なアプリが公開されていますので、触ってみてはいかがでしょうか。

※当社ではデータ分析や広報の代行業務を行っています。ご依頼の際は、お問い合せフォームよりお気軽にお問い合せください。

▼合わせて読みたい

  特定のツイートにいいねしたユーザーを抽出する方法【v2】 | 広報・PR支援の株式会社ガーオン 特定のツイートにいいねしたユーザーの情報を取得する方法を解説します。 広報・PR支援の株式会社ガーオン


  Instagram APIの使い方と画像付ダッシュボードの作成方法 | 広報・PR支援の株式会社ガーオン InstagramAPIを利用して画像付きダッシュボードを作る方法を解説します。 広報・PR支援の株式会社ガーオン


  【ML-Ask】感情分析AIは実際に使えるのか検証してみる | 広報・PR支援の株式会社ガーオン 朝日新聞の記事にも使われている「ML-Ask」という感情分析モデルを実際に使ってみて検証していきたいと思います。 広報・PR支援の株式会社ガーオン


  ソーシャルデータから読み解くボヘミアンラプソディの口コミ形成とメディア露出効果 | 広報・PR支援の株式会社ガーオン ボヘミアン・ラプソディの大ヒットにはSNSやテレビはどのような影響を与えていたのでしょうか。YouTubeとの相乗効果も合わせて検証します。 広報・PR支援の株式会社ガーオン
  Amazonの人工知能を使ってSNS等の口コミを感情分析する方法 | 広報・PR支援の株式会社ガーオン アマゾンの自然言語処理サービス Amazon Comprehendを使って口コミを分析してみます。 広報・PR支援の株式会社ガーオン
  【記事に繋がる】プレスリリースの書き方・送り方 | 広報・PR支援の株式会社ガーオン プレスリリースの書き方の”コツ”をPRプランナーがわかりやすく解説します。プレスリリースとはの解説から、7つのポイントや、6W5Hの使い方の他、広報PRにオススメの具体的なツールの紹介や、ヤフーニュースに掲載してもらうポイントを解説します。 広報・PR支援の株式会社ガーオン



関連記事

総務省の調査データからニュースメディアへの接触実態を可視化する

2021-10-19

総務省が毎年行っている『情報通信メディアの利用時間と情報行動に関する調査』より、2021年8月に発表された最新数値を元に、ニュースメディアへの接触動向を可視化していきたいと思います。

イカゲームのブームをTwitterデータから可視化してみる

2021-10-10

Twitter上のイカゲームに関する口コミ約13万件を抽出し、どのような口コミが派生しているのかを分析してみます。

Googleトレンド分析にPytrendsを使うべきたった一つの理由

2021-10-08

Googleトレンドには非公式APIとして、Pytrendsというものが公開されています。今回はこのPytrendsを使うことで得られるメリットをご紹介します。

時系列予測AIによる未来のTwitter投稿件数予測の検証結果

2021-09-25

時系列予測AIを利用した未来のクチコミ件数予測の結果を検証してみます。

Spotify APIで楽曲の分析データを取得する方法

2021-09-19

Spotify APIで楽曲の分析データを取得し、可視化しダッシュボードにまとめてみます。

Flourishで雑誌の部数アニメーションチャートを作ってみる

2021-09-11

話題のグラフチャートFlourishで雑誌の印刷部数データを元に推移グラフを作って見ます。

広報・PRやプレスリリースまわりでお困りのことはございませんか?
多数の企業サポートを行ってきた当社が解決いたします。
お気軽にお問合せください。