Egy filmben, sportközvetítésben vagy akár egyetlen hosszabb televíziós műsorban több száz különálló zenei részlet szólalhat meg, és mindegyik után jogosultak várhatják a nekik járó bevételt. A rendszer egyik kevésbé látványos, mégis kritikus eleme a cue sheet: az a részletes dokumentáció, amely rögzíti, milyen zene szerepelt egy produkcióban, mikor és mennyi ideig szólt, illetve kik rendelkeznek a hozzá kapcsolódó jogokkal. Ha ez hibás vagy hiányos, annak nagyon is konkrét pénzügyi következménye lehet.
A probléma az elmúlt években csak nagyobb lett. A hagyományos film és televízió mellett a streaming, az élő sport, a videojátékok, podcastok, fitneszprogramok, közösségi videók és digitalizált archívumok is hatalmas mennyiségű zenehasználati adatot termelnek. Amit korábban emberek manuálisan, műsorról műsorra dolgoztak fel, az egyre nehezebben skálázható a mai tartalomkínálathoz.
Erre próbál megoldást adni a Music Reports cue sheet- és analitikai platformja, a Cuetrak, amelyet most az AudioShake automatikus zeneészlelő és -azonosító technológiájával integráltak. A rendszer célja, hogy egy médiafájl feltöltéséből automatikusan létrejöhessen egy előzetes cue sheet, amelyet aztán tovább lehet ellenőrizni és feldolgozni.
A folyamat első lépésében az AudioShake Copyright Compliance System elemzi a kész hanganyagot. A technológia arra szolgál, hogy a végső mixbe beágyazott zenéket is felismerje és azonosítsa, majd strukturált információkat adjon át a Cuetraknak. A Music Reports rendszere ezekből az adatokból építheti fel a produkcióhoz tartozó cue sheet vázát.
Ez lényegesen összetettebb feladat annál, mint egyszerűen felismerni egy ismert dalt. Egy használható cue sheethez meg kell állapítani, mely felvételek szerepelnek az anyagban, pontosan mikor kezdődnek és végződnek, illetve mely szerzőkhez, kiadókhoz és más jogosultakhoz kapcsolódnak. Ezek az adatok végül közvetlenül befolyásolhatják a jogdíjak elszámolását.
Jason Walker, a Music Reports vezérigazgatója szerint egy kétórás műsorban akár több száz zenei cue is előfordulhat, amelyeket hagyományosan egyenként kellett felkutatni. Ahogy pedig egyre több platformon jelenik meg jogdíjköteles zenei felhasználás, a manuális feldolgozás nemcsak lassabbá, hanem a hibák és kihagyások egyik potenciális forrásává is válik.
A tét azért nagy, mert egy hiányzó cue nem egyszerű adatminőségi probléma. Ha egy felhasznált zenét nem azonosítanak megfelelően, rossz időtartamot társítanak hozzá, vagy hibásan állapítják meg a jogosultakat, a jogdíj késhet, rossz helyre kerülhet, vagy bizonyos esetekben egyáltalán nem találhatja meg azt, akinek járna.
Ez a felhasználási terület kevésbé látványos, mint a generatív zenei modellek fejlődése, a zeneipar gazdasági működésére azonban közvetlen hatása lehet. A tartalom mennyiségének növekedésével ugyanis egyre fontosabbá válik, hogy az automatikus rendszerek ne csak azt érzékeljék, hogy valahol zene szól, hanem megbízhatóan össze is kapcsolják az adott felhasználást a megfelelő művel, felvétellel és jogosultakkal.
