Cada dia processen 22 anys de música, tenen un catàleg que supera els 124 milions de cançons i acumulen més de 720 terabytes d’informació sonora. No, no parlem de Spotify o YouTube, sinó de BMAT, la plataforma tecnològica nascuda a Catalunya que ha esdevingut una peça clau dins de l’ecosistema de la indústria musical. La seva solució basada en intel·ligència artificial, que és capaç de reconèixer automàticament quines cançons sonen en qualsevol format audiovisual, s’ha establert com una eina de referència internacional per repartir els drets d’autor de manera correcta entre emissores i productores, la qual cosa ha convertit la companyia en el Sherlock Holmes de facto del sector.

L’origen d’aquesta gesta no es remunta al 221B de Baker Street, sinó al Grup de Tecnologia Musical (MTG) de la Universitat Pompeu Fabra (UPF), el mateix grup de recerca del qual ha sorgit el reconegut software sintetitzador de veu Vocaloid. “La llavor de BMAT va néixer de la necessitat de portar al mercat els resultats de laboratori de l’MTG”, rememora el cap de l’àrea d’innovació de la companyia, Gonçal Calvo. Eren diverses les solucions que havien estat treballant els membres fundadors quan es van escindir el 2006 en forma de spin-off, però una de les més reconegudes era un motor de recomanació de música basat, entre altres aspectes, en l’anàlisi d’àudio de les cançons. “Llavors era molt revolucionari perquè la gent ni tan sols tenia accés a llibreries de música com avui dia”, assenyala Calvo.

BMAT va néixer com una 'spin-off' de l'MTG de la UPF i avui acumula més de 720 terabytes d'informació musical

La gènesi de la plataforma, que avui dia ajuda a gestionar al voltant de 2.000 milions d’euros de transaccions anualment, neix el 2008 i s’anomena audio fingerprinting (empremta d’àudio). “Tal com la policia et pot fitxar a partir de l'empremta dactilar, l’audio fingerprinting permet reduir amb operacions matemàtiques, en pocs bits d’informació, una cosa molt complexa com és la música”, exemplifica el cap d’innovació de BMAT. En altres paraules, la solució és capaç d’identificar una peça musical dins d’un catàleg de milions de cançons, una tasca que també pot fer amb programes en directe: “Escoltàvem les ràdios i teles, i comparàvem l’àudio que s’emetia amb els índexs de petjades que teníem. Amb això podíem reportar els usos de la música que hi havia als diferents canals de comunicació, amb el propòsit d’assignar el repartiment de drets d’autor als legítims propietaris o creadors de la música”.

Una solució per a un repartiment injust

La voluntat de BMAT era donar resposta a un problema fins aleshores inherent dins de la indústria musical: el repartiment equitatiu dels drets d’autor. “Les societats d’autor negociaven llicències amb ràdios i televisions, o amb locals públics com discoteques, i recollien uns diners, però després havien de saber quina música havia sonat per repartir-ho”, explica Calvo, una tasca que s’executava de manera irregular, amb sondejos manuals o estadístiques extretes d’altres contextos, com les vendes de música als comerços. “No hi havia una solució ni escalable, ni auditable, ni transparent, ni automatitzable”, remarca. El que proposa l’empresa catalana és basar aquests repartiments en dades objectives que es poden extreure gràcies a un monitoratge 24/7 dels canals on s’emeten les cançons, que també té en compte el moment i el lloc on es reprodueix la pista, ja que “una cançó no val el mateix en prime time que quan la poses en un altre horari o una cadena amb menys audiència”.

La plataforma de BMAT permet als gestors de drets d'autor fer un repartiment d'ingressos basat en dades d'emissió objectives captades de manera automatitzada

Els clients de BMAT es troben amb una plataforma que busca ser fàcil d’entendre, però sota seu hi ha tota una sèrie de capes tecnològiques que fan operar el que els agrada anomenar “el sistema operatiu de la música”, el “cor” del qual és el ja mencionat audio fingerprinting. En aquest complex informàtic hi trobem tota mena de tecnologies implicades, des d’algoritmes de cerca textual per trobar els índexs musicals a les bases de dades, fins a multitud d’algoritmes d’aprenentatge profund que executen diverses tasques, com corroborar si en un arxiu de so hi sona una peça musical o bé identificar aquelles cançons que encara no tenen registrades en la seva documentació.

Això sí, tota aquesta infraestructura no es desplega cada vegada que s’utilitza el sistema, sinó que està preparada per buscar de manera intel·ligent, com si anés obrint calaixos d’un enorme moble. D’aquesta manera, si la cançó s’ha reproduït en una cadena que normalment emet música rock, la plataforma anirà a buscar primer en el conjunt de pistes que encaixen amb aquesta etiqueta i, si no la troba, ampliarà el focus de cerca i els algoritmes utilitzats.

Per assolir aquest rendiment, l’empresa disposa d’un enorme catàleg de cançons amb tota mena d’informació econòmica vinculada. Calvo desvela que cada mes incorporen a la seva base de dades uns dos milions de pistes, una acció que s’executa simultàniament al seu llançament a les plataformes de streaming: “Quan es publica una cançó, generalment nosaltres ja la tenim, perquè es distribueix a través de plataformes que l’envien al mateix temps a Spotify que a BMAT. Som com una plataforma de streaming més, a ulls de les discogràfiques. La diferència és que nosaltres no posem la música a disposició dels usuaris perquè l’escoltin, sinó a disposició dels robots perquè l’indexin”.

Calvo: “Som una plataforma de ‘streaming’ més, a ulls de les discogràfiques. La diferència és que nosaltres posem la música a disposició dels robots perquè l’indexin”

La complexitat dels drets d’autor

L’èxit de BMAT s’explica pel fet d’aportar simplicitat a un món que es defineix per la seva alta complexitat. “La informació està molt fragmentada en moltes bases de dades diferents. Una cançó no pertany només a un compositor, té diversos compositors implicats i associats a diferents societats d’autors”, insisteix Calvo, que també remarca altres factors que s’han de tenir en compte, com el fet que els drets canvien en funció del territori i també amb el pas del temps. En aquesta línia, la companyia catalana ha anat un pas més enllà amb la seva solució, i ja no només es limiten a identificar quina cançó ha sonat i de quin artista és, sinó que també treballen per automatitzar una resposta a com s’han de repartir aquests drets en funció de tots els condicionants mencionats. També inverteixen contínuament en R+D amb projectes com MatchingLearning, una iniciativa cofinançada pel Ministeri d'Economia i Transformació Digital que fa servir algoritmes d’aprenentatge profund per vincular amb precisió els enregistraments musicals localitzats en mitjans i plataformes amb la informació de què disposen a les bases de dades.

En conseqüència, la cartera de clients de l’empresa abraça tota la indústria musical: “Principalment, són entitats de gestió de drets, però cada cop més s’involucren altres actors. Per exemple, les ràdios i televisions que han de reportar els usos, els interessa automatitzar els processos. Segells i editorials que volen entendre on i com s'utilitza la seva música… I també, fins i tot, plataformes de streaming que els ajudem a entendre a qui han de pagar”.