Siendo

La energía es una medida que va desde 0.0 hasta 1.0 y representa una medida perceptual de intensidad y actividad. En general, las pistas energéticas parecen rápidas, fuertes y ruidosas. Por ejemplo, el death metal tiene una alta energía, mientras que un preludio de Bach puntúa bajo. Las características perceptuales que contribuyen a este atributo incluyen el rango dinámico, la percepción de la intensidad, el timbre, la tasa de inicio y la entropía general.

Una medida de confianza de 0.0 a 1.0 que indica si la pista es acústica. Un valor de 1.0 representa una alta certeza de que la pista es acústica.

La 'bailabilidad' describe cuán adecuada es una canción para bailar, basándose en una combinación de elementos musicales que incluyen el tempo, la estabilidad del ritmo, la fuerza del ritmo y la regularidad en general. Un valor de 0.0 es la menos adecuada para bailar y 1.0 es la más adecuada.

Predice si una pista carece de elementos vocales. Así, los sonidos de 'Ooh' y 'aah' son considerados instrumentales. Pistas de rap o de palabras habladas son inequívocamente identificadas como 'vocales'. Si valor de instrumentalidad se acerca a 1.0, es más probable que la pista no contenga contenido vocal. Valores > 0.5 indican claramente pistas instrumentales, y la confiabilidad se incrementa a medida que el valor se acerca a 1.0.

Detecta la presencia de público en la grabación. Valores de 'directo' más elevados indican una probabilidad mayor de que la pista se haya interpretado en vivo. Un valor superior a 0.8 ofrece una alta probabilidad de que la pista sea en en directo.

La sonoridad general de una pista en decibelios (dB). Los valores de sonoridad se promedian en toda la pista y son útiles para comparar la sonoridad relativa de las pistas. La sonoridad es la cualidad de un sonido que constituye el correlato psicológico primario de la fuerza física (amplitud). Los valores generalmente oscilan entre -60 y 0 dB.

'Hablado' detecta la presencia de palabras habladas en una pista. cuanto la pista más se parezca al habla (por ejemplo, un programa de entrevistas o audiolibros), más cercano a 1.0 será el valor del atributo. Valores por encima de 0.66 describen pistas que probablemente estén compuestas completamente por palabras habladas. Valores entre 0.33 y 0.66 denotan que pueden contener tanto música como habla, incluyendo casos como la música rap. Valores por debajo de 0.33 probablemente representan música y otras pistas que no se asemejan al habla.

Una medida de 0.0 a 1.0 que describe la positividad musical transmitida por una pista. Las pistas con un alto valor suenan más positivas (por ejemplo, alegres, felices, eufóricas), mientras que las pistas con un valor bajo suenan más negativas (por ejemplo, tristes, deprimidas, enojadas).