U ovome radu predložen je sustav za upravljanje Spotify aplikacijom gestama prstiju. Za prepoznavanje gesti prstiju korištena je dugoročna rekurentna konvolucijska mreža (LRCN) istrenirana na skupu 20BN-Jester video sekvenci. LRCN model kombinira konvolucijsku neuronsku mrežu (CNN) i rekurentnu neuronsku mrežu (RNN), u ovome slučaju dugotrajno kratko pamćenje (LSTM jedinice), u svrhu učinkovite analize prostornih i vremenskih značajki u sekvencama pokreta. Implementirano je prepoznavanje sljedećih gesti koje korisnici mogu izvoditi: „swipe gore“ za postavljanje glasnoće zvuka na 100%, „swipe dolje“ za postavljanje glasnoće zvuka na 50% , „swipe lijevo“ za prebacivanje na prethodnu pjesmu u playlisti, „swipe desno“ za prebacivanje na sljedeću pjesmu u playlisti, „like“ za dodavanje pjesme u omiljeni sadržaj, „dislike“ za odbacivanje pjesme iz omiljenog sadržaja, „zaustavi/pokreni“ za zaustaviti ili pokrenuti pjesmu, „pojačaj“ za pojačavanje glasnoće zvuka za 5% te gesta „smanji“ za smanjivanje glasnoće zvuka za 5%. Osim ovih 9 gesti implementirana je gesta „nema geste“ kako bi model naučio situacije u kojima je osoba statična pred kamerom. Točnost LRCN modela na kojem je primijenjena metoda prijenosa učenja iznosi 92,14%. Evaluacija LRCN modela te evaluacija rada aplikacije za kontrolu Spotify glazbenog servisa temelji se na matricama zabune. Matrica zabune testne aplikacije za kontrolu Spotfiy servisa stvorena je na temelju rezultata prepoznavanja gesti koje je izvelo deset nasumičnih korisnika aplikacije. Točnost pri prepoznavanja gesti u stvarnom vremenu testirana na deset korisnika na osobnom računalu iznosi 80,2%, dok na ugradbenoj platformi Raspberry Pi 3 točnost iznosi 73,6%.