Kasus edge yang mengerikan yang perlu dipertimbangkan saat memproses musik (2022)

 (dustri.org)
2 poin oleh GN⁺ 2023-11-13 | 2 komentar | Bagikan ke WhatsApp
  • Ini adalah kumpulan contoh yang dirangkum sambil melihat kode sumber dan model data Navidrome; bahkan jika metadata musik hanya mencakup judul, artis, album, cover, dan rilis, ada banyak pengecualian yang sulit dinormalisasi
  • Nama seperti †, ★, ', (), <|°_°|>, slash, spasi, emoji, rumus, dan string uji EICAR mudah berbenturan dengan nama file, pencarian, pengurutan, dan alat keamanan
  • Album tanpa judul, banyak cover, banyak album dengan judul yang sama, trek berdurasi 7 jam, 13 jam, atau 4723 jam, serta EP 99 trek yang sebagian besar berisi 4 detik hening meruntuhkan asumsi sederhana tentang panjang dan struktur unit musik
  • Banyak alias untuk orang yang sama, perubahan nama band, perbedaan nama per wilayah, banyak band dengan nama yang sama, dan benturan nama yang sudah diinternasionalkan membuat mengidentifikasi artis hanya dengan satu string menjadi sulit
  • Alasan skema basis data seperti MusicBrainz membagi album, rilis, artis, alias, dan trek dengan sangat rinci adalah karena pengecualian seperti ini memang harus ditangani di dunia nyata

Judul dan nama yang meruntuhkan asumsi dasar

  • Dalam metadata musik, nama album terlihat kreatif bagi manusia, tetapi bagi sistem menjadi masalah penanganan karakter khusus
    • † milik Justice
    • ★ milik David Bowie
    • ' milik Frank Zappa
    • () milik Sigur Rós
    • Simbol Cinta milik Prince; pada 1993 Prince juga mengubah nama panggungnya menjadi simbol ini dan dikenal sebagai “The Artist Formerly Known as Prince”
    • <|°_°|> milik Caravan Palace
  • Sistem operasi dan file system juga mudah terganggu oleh nama
    • Skema nama album MASTER BOOT RECORD dapat menimbulkan masalah di Windows maupun Linux
    • Di lingkungan Linux, nama seperti ///////-//-///// dari The You Suck Flying Circus sangat menonjol
    • C:/del*mp3 dari Marco.V adalah judul yang terlihat seperti path file
    • Another Round Won't Get Us Down dari Auto!Automatic!! memiliki trek bernama \\\\\\ dan trek bernama //////////
  • Pencarian dan pengurutan juga tidak sesederhana itu
    • Artis genre vaporwave kadang memberi spasi di antara huruf seperti A T R I U M dari Hallmark '87
    • Laughing Mantis merilis lagu bernama X5O!P%@AP[4\\PZX54(P^)7CC)7}$EICAR-STANDARD-ANTIVIRUS-TEST-FILE!$H+H*, sama dengan string file uji EICAR

Tanpa judul, judul membingungkan, judul panjang

  • Ada album yang tidak memiliki judul
    • Album terbaru Rammstein
    • Album keempat Led Zeppelin
    • Album kedelapan KoЯn
  • Ada juga banyak nama album yang tampak tanpa judul atau membingungkan
    • (untitled) dari The Byrds
    • untitled dari R Kelly
    • untilted dari Autechre
    • Self-Titled Long-Playing Debut Album dari +/-
    • Sisi A singel vinil 7 inci Tintern Abbey adalah Beeside
    • Weezer telah merilis beberapa album berjudul Weezer, bahkan dua kali dalam tahun yang sama
    • Ø (Disambiguation) dari Underoath menimbulkan kebingungan dengan halaman disambiguasi Ø di Wikipedia
    • Title dari Meghan Trainor
  • Judul album yang sangat panjang menekan UI, pencarian, dan area tampilan

Cover, jumlah trek, durasi, versi rilis

  • Beberapa album memiliki banyak cover, sehingga asumsi “satu album = satu cover” tidak berlaku
    • Synchronicity dari The Police memiliki 36 variasi cover
    • Fate for Breakfast dari Art Garfunkel memiliki 6 cover, tetapi karena gagal secara komersial di AS, kebanyakan orang hanya melihat satu
    • Do It Yourself dari Ian Dury & The Blockheads memiliki setidaknya 34 sleeve
  • Gambar cover itu sendiri juga bisa memicu kontroversi atau versi sensor
  • Trek bisa tidak memiliki judul atau namanya sendiri bisa membingungkan
  • Dalam durasi dan susunan trek ada kasus yang ekstrem
    • “Doom Apocalypse X, The Ultimate Fate Of The Universe (Part IX: The Photon Era)” dari NǽnøĉÿbbŒrğ VbëřřĦōlökäävsŦ berdurasi hampir 7 jam, dan seluruh album “The Ultimate Fate Of The Universe” kurang sedikit dari 23 jam
    • The Rise and Fall of Bossanova dari Pipe Choir Three membagi lagu berdurasi 13 jam menjadi 5 bagian
    • 209: Blurred With Tears And Suffering Beyond Hope dari Bull of Heaven memuat trek berdurasi 4723 jam 54 menit 37 detik
    • Broken dari Nine Inch Nails memiliki 99 trek, dan trek 7 sampai 97 masing-masing berisi 4 detik hening
  • Sebagian besar album memiliki beberapa versi atau rilis
    • The Eminem Show memiliki 15 versi
    • All Lights Fucked on the Hairy Amp Drooling memiliki kaset 27 trek pada 1994, rilis ulang 4 trek pada 2022, dan bootleg 31 trek
    • God Speed You Black Emperor! mengganti nama menjadi “Godspeed You! Black Emperor” pada 2002
    • Antares dari Sybreed memiliki jumlah trek dan trek ke-11 yang berbeda di edisi Jepang, AS, Rusia, promo Swiss, dan promo Eropa
    • Singel Close-Up dari Art of Noise memiliki empat edisi Inggris dengan nomor katalog dan sleeve yang sama tetapi berisi trek yang berbeda, dan salah satunya bahkan tidak memiliki trek “Close-Up” itu sendiri
    • Taylor Swift merekam ulang album-albumnya untuk mendapatkan kembali kepemilikan penuh atas musiknya
  • Masalah lisensi juga menciptakan perbedaan antar-rilis
    • MM..FOOD dari MF DOOM dirilis pada 2004, lalu karena sampel Sesame Street yang belum dibereskan, muncul versi rekaman ulang pada 2007

Saat identifikasi artis menjadi sulit

  • Dalam satu trek, jumlah artis bisa sangat banyak
    • “119 REMIX” dari GRAY melibatkan 119 artis, sesuai judulnya
  • Band bisa mengganti nama atau memakai nama berbeda per wilayah
    • GZR ditulis sebagai g//z/r pada album pertama, geezer pada album kedua, dan GZR pada album ketiga
    • Ghost sempat dikenal sebagai Ghost B.C. hanya di AS
    • Suede dikenal di AS sebagai “The London Suede”
    • Zoviet France memiliki penulisan seperti :$OVIET:FRANCE:, Soviet France, :Zoviet-France:, dan :zoviet*france:
    • Invent, Animate mengganti nama menjadi “Invent, Animate” agar tidak disalahpahami sebagai dua artis
  • Ada artis yang memakai banyak nama
    • Aphex Twin memiliki banyak alias seperti Blue Calx, Caustic Window, Brian Tregaskin, The Dice Man, Polygon Window, Power-Pill, Richard D. James, GAK, The Tuss, user48736353001, dan lain-lain
    • Filipe Santos juga disebut sebagai contoh penggunaan banyak nama
  • Nama band itu sendiri menggoyahkan aturan pencarian dan pengurutan
  • Band yang berbeda bisa memakai nama yang sama
    • “Emperor” bisa merujuk pada band black metal Norwegia, produser drum and bass, artis trance, band metal Jepang, atau artis hip-hop penguin fiksi di dunia Arknights
    • Havamal bisa merujuk pada band Viking metal dan band Viking metal lainnya
    • Bulldog Breed bisa merujuk pada dua band asal Inggris, dan keduanya sama-sama merilis album “Made in England”
    • Avishai Cohen merujuk pada dua musisi jazz asal Israel
    • Nama “keren” yang umum seperti Revolver, Peace, Hybrid, dan End punya banyak duplikasi
  • Internasionalisasi juga membuat identifikasi semakin sulit
    • Пётр Ильич Чайковский, yaitu Tchaikovsky, memiliki 31 nama di MusicBrainz

Encoding karakter, sistem operasi, model data

Bacaan terkait

2 komentar

 
kunggom 2023-11-13

Tulisan ini sudah pernah diposting di GeekNews.
https://id.news.hada.io/topic?id=6319
 
GN⁺ 2023-11-13
Komentar Hacker News

  • Saya ingat pernah menjual CD "Kill 'Em All" milik Metallica ke toko CD bekas lalu membeli lagi "Kill 'Em All" yang sama, dan pegawainya terlihat sangat bingung
    Beberapa edisi memuat dua lagu tambahan, yaitu cover Am I Evil dan Blitzkrieg, dan ini makin membingungkan karena kedua CD punya nomor identifikasi yang sama
    Wajar saja dia bertanya kenapa saya membeli lagi CD yang barusan saya jual, lalu setelah saya tunjukkan dia cuma tertegun dan bilang baru pertama kali melihat kasus seperti ini

  • The The, jadi sepertinya trik melewati artikel seperti "A" atau "The" tidak banyak membantu.

    Dulu ada gambar meme saat mencari "The Who" di Google, dan di atas hasilnya tertulis "'The' dihapus dari kueri pencarian karena merupakan kata yang umum" / "'Who' dihapus dari kueri pencarian karena merupakan kata yang umum"

    • Salah satu software forum yang cukup umum, secara default, mengabaikan atau memblokir semua kueri pencarian dengan 3 huruf atau kurang
      Di forum teknis yang penuh singkatan, pengaturan seperti itu benar-benar menyebalkan sampai sulit dipercaya
    • Nama band yang merusak Siri adalah masalah nyata dalam hidup saya
      Them, kalian yang saya maksud O_o
    • Pada awal hingga pertengahan 2000-an saya cukup banyak bekerja dengan software statistik terkenal R
      Waktu itu, untuk menemukan cara melakukan sesuatu di R lewat Google, Anda butuh trik yang sangat spesifik, seperti tahu lokasi arsip mailing list lalu membatasi pencarian ke domain itu
      Belakangan, ketika Google mulai banyak memakai R secara internal, masalah itu mendadak hilang

  • Fakta bahwa Taylor Swift merekam ulang dan merilis ulang semua lagu lamanya juga merupakan contoh yang cukup terkenal
    Jika seseorang meminta Alexa memutar "Love Story", apakah seharusnya yang diputar adalah versi yang memberi lebih banyak royalti kepada Taylor, atau versi yang memberi lebih banyak ke penerbit musik tertentu
    Saat menyusun peringkat popularitas lagu, kemungkinan besar berbagai versi itu tidak boleh diperlakukan sebagai lagu yang berbeda

    • Di daftar lagu yang paling banyak diputar pada layanan streaming, kadang lagu yang sama muncul dua kali
      Karena ada versi single dan versi album sekaligus

  • Terkait: https://github.com/minimaxir/big-list-of-naughty-strings
    Big List of Naughty Strings adalah daftar string yang berpotensi menimbulkan masalah ketika dipakai sebagai data input pengguna

    • Tulisan terkait yang juga lucu: https://www.sempf.net/post/On-Testing1
    • String injeksi LLM yang umum juga perlu ditambahkan ke daftar ini
    • Setelah bekerja puluhan tahun sebagai admin sistem, saya berani bilang sebagian besar programmer belum pernah melihat daftar ini dan kemungkinan besar juga tidak akan pernah melihatnya :|

  • Sepertinya mereka melewatkan band yang namanya cuma A
    Band ini punya lagu berjudul “nothing” https://en.wikipedia.org/wiki/Nothing_(A_song)
    Saya ingat dulu kesulitan mencari album mereka di Amazon, dan sekarang pun tampaknya tidak jauh lebih mudah

    • Atau album A milik Jethro Tull dari awal 1980-an
    • Saya sangat menyukai album itu saat dirilis
      Tapi pencariannya benar-benar mustahil, jadi akhirnya saya harus membeli CD-nya

  • Some tracks are long

    Sepertinya itu hanya membahas trek yang direkam, tapi 13 jam itu angka pemula[0]
    [0] https://en.wikipedia.org/wiki/As_Slow_as_Possible#Halberstad...

    • Ada trek rekaman yang panjangnya 4.700 jam
      https://www.discogs.com/release/3580802-Bull-Of-Heaven-209-B...
      Ada juga trek berdurasi 5,5 tahun, tetapi hanya sebagian yang dirilis
      https://www.discogs.com/release/3580806-Bull-Of-Heaven-210-L...
      Tetap saja itu sekitar 13.000 jam
    • Ada satu karya piano pendek[1], tetapi instruksi asli komposernya adalah mengulanginya lebih dari seribu kali[2], jadi pertunjukan nyatanya berlangsung lebih dari 24 jam
      Maka tentu saja karya itu hampir tidak pernah dimainkan
      Ada juga As Slow as Possible karya John Cage, yang bahkan masih punya pertunjukan yang sedang berlangsung sekarang
      Dimulai pada 2001 dan berakhir pada 2640, jadi kalau ingin melihat akhirnya mungkin Anda harus buru-buru
      [1] Mungkin karya Ravel, tetapi ingatan saya dan pencarian cepat saya sama-sama tidak terlalu membantu saat ini
      [2] Seingat saya angkanya semacam 2347, angka khusus yang terdengar agak acak
    • Mungkin bukan itu maksud pembahasannya, tetapi judul juga bisa sangat panjang
      Saya langsung teringat pada "The Black Hawk War, or, How to Demolish an Entire Civilization and Still Feel Good About Yourself in the Morning, or, We Apologize for the Inconvenience but You're Going to Have to Leave Now, or, 'I Have Fought the Big Knives and Will Continue to Fight Them Until They Are Off Our Lands!'" karya Sufjan Stevens
      Lagu itulah yang mengajari saya yang waktu itu masih script kiddie muda tentang batas panjang path penuh FAT32 sebesar 255 karakter

  • C:\del.mp3* karya Marco V juga layak mendapat sebutan khusus
    https://www.discogs.com/release/133498-MarcoV-Cdelmp3-Solari...

    • Hampir seperti Bobby Tables versi dunia musik

  • Sejak mulai mendengarkan musik emma essex, saya jadi sadar betapa pemrosesan Unicode masih setengah-setengah implementasinya bahkan di zaman sekarang
    Contoh favorit saya termasuk "HHSU 𓃚 𝕮𝖆𝖒𝖇𝖎𝖚𝖒, 𝕏𝕪𝕝𝕖𝕞, 𝓗𝓮𝓪𝓻𝓽𝔀𝓸𝓸𝓭" dari album "𝅙𝅙" (U+1D159), lalu "⎆", "♫♫♩♫‿♩ but it's 怒首領蜂 大往生", dan "ｒｔｒｃ{（''»''）²２}：≞（''»''０１）；"

    • Apple Music tampaknya sangat membenci lagu berjudul "⎆"; di akun saya, lagu itu hilang seluruhnya dari album tersebut
    • Karena itu saya mencari alat command-line untuk mengubah UTF-8 menjadi code point Unicode, dan ternyata itu uconv -x hex/unicode
      Contoh pertama kebanyakan terlihat seperti simbol alfanumerik matematika
      https://en.wikipedia.org/wiki/Mathematical_Alphanumeric_Symb...
      Saya jadi penasaran apakah ada orang yang pernah memakai karakter Private Use Area Unicode
      Hasilnya bisa jadi menarik
    • Sepertinya HN menghapus sebagian karakternya

  • GZR, also known as g//z/r on their first album, geezer on their second, and GZR on their third.

    Mereka mengganti nama band di setiap album; akan mengesankan kalau judul ketiga albumnya juga semuanya sama

    • Kalau ada sesuatu seperti album_grouping_key atau musicbrainz_albumid, ini mestinya sudah bisa diselesaikan 20 tahun lalu
      “Mengerikan.”
    • Kasus batas seperti perubahan nama band ini bisa diselesaikan dengan memberi ID pada entitas dan memisahkannya di dalam dataset
      Pada tahap ini saya bahkan tidak yakin ini masih layak disebut kasus batas

  • Untilted dari Autechre adalah salah satu contoh favorit saya untuk judul album yang sengaja dibuat membingungkan
    Seperti disebutkan di tulisan, saat dirender dalam ukuran kecil, bahkan ketika sedang dilihat langsung pun tidak jelas bahwa judulnya bukan "Untitled"

    • Saya bersumpah, meski sudah mendengarkannya selama bertahun-tahun, saya baru belakangan sadar bahwa nama albumnya bukan "untitled"
      Mantap, Ae!