Towards an LLM-based method for quantifying the sexual content in song lyrics
Este artigo apresenta um método reprodutível baseado em modelos de linguagem de grande escala para quantificar o conteúdo temático em letras de músicas e o aplica a um corpus de 1.259 faixas de reggaeton para analisar a explicidade sexual entre artistas, ao longo do tempo e em relação às sinalizações de conteúdo explícito do Spotify.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine o mundo da música como uma biblioteca gigante e barulhenta onde cada canção é um livro. Durante muito tempo, quando as pessoas queriam saber o que havia dentro dos livros de um gênero específico chamado Reggaeton, elas tinham que lê-los um por um, tomando notas à mão. Isso é como tentar contar o número de carros vermelhos em uma cidade parando em uma esquina e anotando-os conforme passam. É lento, é cansativo, e você só consegue olhar para alguns carros antes de se cansar. Este campo de estudo é chamado de "análise de conteúdo", e é como os cientistas tentam transformar sentimentos e temas — como amor, raiva ou festa — em números reais para que possam compará-los. A grande questão que todos têm feito é: "O Reggaeton é realmente sobre sexo, ou isso é apenas um boato?" Para responder a isso, precisamos de uma maneira de medir as letras sem ler cada uma delas manualmente. É aí que entra um novo tipo de ajudante: um cérebro de computador superinteligente chamado Modelo de Linguagem de Grande Escala (LLM). Pense em um LLM como um robô que leu quase todos os livros da biblioteca e pode dizer instantaneamente: "Esta história tem muito romance", ou "Esta aqui é cheia de violência", dando a ela uma nota de zero a dez.
Este artigo é como uma receita para usar esse cérebro de robô para medir a "picância" das letras de Reggaeton. O autor, Ignacio Sticco, construiu um método para alimentar o computador com 1.259 músicas de 12 artistas famosos. Em vez de apenas perguntar "Esta música é suja?", o computador foi ensinado a procurar nove sabores diferentes da música, como "vibrações de festa", "amor triste", "crime de rua" e dois tipos específicos de "conversa sexual": um que sugere (sugestivo) e um que diz diretamente (explícito). O robô foi primeiro treinado em um pequeno grupo de músicas que humanos já haviam avaliado, para que aprendesse a dar as mesmas notas que um humano daria. Assim que o robô estava pronto, ele avaliou toda a biblioteca de músicas, criando uma planilha massiva de dados que mostra exatamente quanto de cada tema aparece em cada faixa.
Os resultados são um pouco surpreendentes e definitivamente não são o que você esperaria se apenas ouvisse o rádio. Primeiro, o estudo descobriu que, embora o Reggaeton seja de fato cheio de temas sexuais, o tipo "sugestivo" é, na verdade, duas vezes mais comum que o tipo "direto" (explícito). É como descobrir que a maioria das músicas de festa é sobre a ideia de uma noite selvagem, em vez de descrever a noite selvagem em detalhes gráficos. Segundo, os artistas não são todos iguais. Alguns, como Plan B, são como uma pimenta picante, pontuando muito alto em conteúdo sexual direto. Outros, como Camilo, são mais como uma sobremesa doce, com letras que são quase inteiramente sobre amor romântico e quase nenhuma conversa sexual. O estudo mostra que tratar todos os artistas de Reggaeton como um único grupo é um erro; eles são tão diferentes entre si quanto uma banda de heavy metal é de um trio de jazz.
O artigo também observou como as coisas mudaram ao longo do tempo, de 2002 a 2025. Contrariando a ideia de que o gênero está ficando "mais selvagem" em todos os sentidos, o estudo descobriu que o tema "crime de rua" está, na verdade, desaparecendo, enquanto o tema "emoção romântica" está crescendo. No entanto, o conteúdo sexual "diretamente explícito" dobrou nas últimas duas décadas. Isso significa que o gênero não está apenas ficando mais sugestivo; está ficando mais direto em sua linguagem, mas também está se tornando mais emocional e menos focado em crimes.
Finalmente, o autor verificou o trabalho do computador contra o próprio rótulo "Explícito" do Spotify (o pequeno "E" que você vê ao lado de uma música). O computador descobriu que o Spotify está perdendo uma enorme parte do conteúdo explícito. De cada quatro músicas que o computador identificou como tendo letras sexuais explícitas, o Spotify marcou apenas uma delas. É como um segurança que só verifica armas grandes e barulhentas, mas perde as facas menores e mais afiadas. Isso sugere que a maneira atual que os serviços de streaming usam para rotular a música é um instrumento muito bruto para capturar o tipo específico de conteúdo sexual encontrado nessas canções.
Em resumo, este artigo não diz apenas que "o Reggaeton é sexy". Ele usa um método computacional inteligente para provar que o gênero é uma mistura complexa de romance, festa e conversa sexual direta, e que ele mudou de maneiras específicas nos últimos 20 anos. Ele também mostra que as ferramentas que usamos atualmente para rotular a música (como a etiqueta do Spotify) não são muito boas em capturar os detalhes específicos que pesquisadores e ouvintes podem considerar importantes. O autor compartilhou o código e os dados, convidando qualquer pessoa para usar este mesmo método de cérebro de robô para estudar outros gêneros musicais ou até mesmo diferentes idiomas, transformando a arte lenta de ler letras em uma ciência rápida e mensurável.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.