Dieselbe Suche zweimal: links wie digdeeper.fm sie heute ausliefert, rechts mit dem
zeitlichen Verlauf des Tracks im Score. Vier echte Digs, beide Spalten aus demselben Kandidatenpool.
Die Struktur sortiert um, aber sie stellt die Liste nicht auf den Kopf:
im Schnitt wandert ein Track 5.0 Plätze, und 14 Tracks über alle vier Digs
kommen neu in die Top-25. Die Spitze bleibt weitgehend stabil — was plausibel ist, denn
der 60-Sekunden-Ausschnitt, auf dem die Produktion rechnet, repräsentiert den ganzen Track
schon gut (cos 0,988 im Median). Ob die rechte Liste besser ist, entscheidet das Ohr —
eine Save-basierte Messung über 134 gelabelte Listen fand keinen signifikanten Unterschied.
5.0Plätze wandert ein Track im Schnitt, wenn die Struktur mitzählt
14Tracks kommen über alle Digs neu in die gezeigte Top-25
~325Messpunkte je Track über die ganze Länge, statt 59 im Produktionsfenster
Zu lesen: Die Zahl links ist der Rang.
Rechts steht, woher der Track kam: ▲7 sieben Plätze hoch,
▼3 drei runter, — unverändert,
neu war links nicht in den Top-25.
▶ spielt den Track direkt hier, mit Scrubber zum Vorspulen — es läuft immer nur
einer, Esc stoppt. Der Titel öffnet die Quelle in einem neuen Tab,
· heißt: kein Stream verfügbar.
Produktion: ein Track = ein 1280-dimensionaler Vektor, gemittelt über 60 Sekunden
ab einem Viertel der Laufzeit. Alles was davor und danach passiert — Intro, Break, Drop,
Outro — fließt nicht ein.
Hier wird jeder Track über seine ganze Länge analysiert, in 8 Abschnitte geteilt und
abschnittsweise mit dem Seed verglichen. Der Score ist
Klangähnlichkeit + 0,25 · Verlaufsähnlichkeit, beide innerhalb der Liste normiert.
Warum das Mitteln überhaupt etwas verliert
Über 3.123 analysierte Tracks erklärt der Mittelvektor nur 80,5 % der Energie seiner
Abschnitte. Der untypischste Moment eines Tracks liegt im Median bei nur
cos 0,399 zum Trackmittel — Tracks enthalten also Passagen, die dem Durchschnitt
deutlich widersprechen.
Diese Struktur ist real. Die offene Frage ist, ob sie für bessere Vorschläge zählt.
Was die Zahlen nicht hergeben
Gegen Saves gemessen (134 gelabelte Listen aus der Produktion): kein signifikanter
Gewinn — die beste Beimischung brachte +0,008 nDCG@10 bei p=0,18.
Aber Saves sind ein verrauschtes Maß für „ähnlich“: die Auslieferungsposition
erklärt Saves stärker als jede Ähnlichkeit (AUC 0,648 gegen 0,596). Ein besseres
Ähnlichkeitsmaß kann sich darin kaum zeigen. Deshalb diese Seite: zum Hören.
Methode. Vier Digs eines Nutzers vom 18.–21.09.2026. Je Seed die
besten 500 Nachbarn aus Qdrant (dieselbe Collection wie digdeeper.fm), davon alle mit
beschaffbarem Audio neu heruntergeladen und mit Discogs-EffNet über die volle Tracklänge
analysiert (~1 Messpunkt je Sekunde). Beide Spalten stammen aus demselben Kandidatenpool —
der Unterschied liegt nur an der Bewertung, nicht an der Auswahl.
Validierung. Die lokal rekonstruierte Produktionsdarstellung (60 s ab 25 %) trifft
die echten Vektoren aus Qdrant mit cos 0,9952 (Median 0,9993, n=60) — die linke Spalte ist
also wirklich das heutige Verhalten und kein Näherungswert.
Vorbehalte. Von je 500 Kandidaten konnten nur
210–379 analysiert
werden: YouTube verlangt inzwischen Cookies für Downloads und sperrte den Rest, Bandcamp und
SoundCloud deckten nur einen Teil ab. Nicht analysierte Kandidaten fehlen in beiden
Spalten, die Gegenüberstellung bleibt also fair, aber die Listen sind nicht die vollständigen
500er-Ranglisten. Vier Digs sind eine Hörprobe, keine Messung — „anders“ ist nicht „besser“.
Skripte und Rohdaten liegen in digdeeper-app/scripts/analysis/temporal.