라이브/실연 음악, 커버곡과 같이 원곡에서 음색/템포 변화, 편곡(구조, 악기 구성) 등으로 인해 변형된 음원을 식별하기 위한 기술
● 방송 배경음악과 유튜브 등의 영상에는 원곡의 변형(AI 커버곡 등), 일부 구간 사용, 잡음 등이 포함된 형태로 사용되고 있음
● 기존의 오디오 핑거프린팅 기술은 라이브?실연 음악, 커버곡과 같은 음악적 변형 또는 잡음 등이 포함된 음원의 식별 성능이 낮아 정확도 성능 개선 필요
● 숏츠, 틱톡과 같은 숏폼 콘텐츠 유행에 따라 음원의 일부만을 활용한 콘텐츠 환경에 대응할 수 있는 구간 식별이 가능한 기술 필요
- 다양한 변형(신호 및 음악적 변형 등)에 강인하도록 음향, 멜로디 특징을 함께 활용해 커버곡 식별 정확도 향상
- 커버곡의 일부분만으로 원곡을 식별할 수 있는 세그먼트 단위 식별을 지원하여 숏폼 콘텐츠 대응 가능
<기술이전 내용>
ㅇ 커버곡 식별 기술
- 음원과 MIDI(멜로디 정보) 파일에서 커버곡 식별을 위한 특징을 추출하고 유사도를 비교하는 기술
<기술이전 범위>
- 음원과 MIDI(멜로디 정보) 파일에서 커버곡 식별을 위한 특징 추출 및 유사도 비교 프로그램
- 요구사항정의서, 시험 절차 및 결과서
● 온라인 플랫폼에서 AI 변형, 라이브/실연 음악과 같은 커버곡의 식별을 통해 원저작자에게 합당한 수익 배분을 위한 권리정보 검증에 활용
● 식별 성능 개선 및 구간 식별로 숏츠, 틱톡과 같은 숏폼 콘텐츠 환경에서 저작권 침해 대응 가능
● 동영상 공유 플랫폼 및 방송 배경음악의 음원 사용 내역 자동 생성 및 저작권 모니터링에 활용
● 저작권 침해 걱정 없이 AI 기술을 이용해 기존 음악 콘텐츠를 재해석하고 다양한 실험적 음악 제작 시도가 가능하도록 지원