この意味で、Sun Labsで開発されたSearch Inside The Music研究プロジェクトは革新的です。 このテクノロジーを使用すると、大規模な音楽コレクションを分類したり、互いに類似した曲を検索したりできます。 このシステムは音響分析を実行するだけでなく、ソーシャル情報、つまりさまざまなユーザーの好みを考慮に入れて推奨を行うこともできます。
各曲の音響分析は、トラックを40ミリ秒のフレームに分割し、各フレームからメタデータを割り当てます。 メタデータは数値で表されます：ピッチ、ハーモニー、調性、音色、楽器、リズムパターン、エネルギーレベル、つまり強度。 大規模なデータベースを各曲の正確な特性でコンパイルすると、このデータを2Dまたは3Dの形式で視覚化できます。 たとえば、次の2次元マップでは、異なるジャンルの音楽の音響特性がどのように異なるかを確認できます。 クラシック音楽は緑、青-民族（円）および青（三角形）、赤-アンビエントとロック、黄色-電子、灰色-ポップ、紫-フォークとマークされます。
3つ以上のパラメーターを考慮すると、音楽トラックを3次元空間に配置できます。
アルゴリズムを使用した分析に加えて、システムは推奨エンジンをサポートします。つまり、「類似の」構成を検索するために、人々の意見を考慮することができます。 しかし、このようなシステムには主な欠点があります。2階のポピュラー音楽のみを「プッシュ」しますが、あまり知られていないアーティスト（および過去の音楽）はほとんど人気がありません。 一部のmodがユーザーのレイヤー全体をカバーするまで、推奨のソーシャルシステムはこれに気付かないでしょう。
クリーンなレコメンデーションシステムとは異なり、Sun Labsは人気の高さや古さに関係なく、すぐに高品質の音楽を計算します。
実験中に、システムは5,000の音楽作品のサンプルで起動され、その後、結果が3次元形式でソートされ、アーティストの写真が各「キューブ」に配置されました。 とても印象的です。
Sun Labsシステムの唯一の問題は、コンピューティングリソースに対する極端な要求です。 一般的な家庭用PCでは、200万曲のコレクションを分析するのに6年かかります。 数百台のマシンの分散コンピューターネットワークでさえ、このような大量のデータの分析にほとんど対応できません（2台で1000台のマシンがこれを行います）。その後、各40ミリ秒フレームに関する情報をどこかに保存する必要があります。 したがって、パーソナルコンピューター用のプログラムの実装は少し待たなければなりません。
ただし、新しい開発には大きな商業的可能性があります。 このシステムは、分析、比較、推奨に使用でき、さらに多くの機能があります。 たとえば、音楽の特性がスムーズに変化するプレイリストを作成します。 たとえば、音楽の強度が非常に高い状態から非常に低い状態に徐々に低下する2時間のプレイリスト。 確かに、この手法は催眠術をかけ、だれでも落ち着かせます。
しかし、ミュージシャン自身がこのプログラムを使用して新しい音楽を作成し始めると、最も興味深いことが始まります。おそらく、人類がこれまで聞いたことのない音楽でしょう。