Hazel Savage, CEO a spoluzakladatel Musiio – série rozhovorů

muzeum poskytují nástroje pro analýzu, označování a vyhledávání pomocí umělé inteligence pro některé z největších světových hudebních katalogů, mezi které patří Sony Music, Hipgnosis, Amanates, Epidemic Sound a Blanco Y Negro.

Kytarista milující rock, který se stal spoluzakladatelem a generálním ředitelem, Hazel Savage strávil 15 let v hudebním průmyslu prací pro některé z největších světových hudebních značek – od skládání regálů v HMV po vedení týmů v podnicích, které jsou v popředí poslechu hudby a Hazel rozumí potřebám tohoto odvětví od hudebníků až po velké nadnárodní společnosti.

V hudebním průmyslu se pohybuješ přes 15 let, co tě dělá tak nadšeným pro hudbu a proč jsi se chtěl angažovat v hudebním průmyslu?

Moji rodiče byli docela rock and roll. Byli to velcí hudební fanoušci, takže jsem byl vždycky obklopen hudbou, když jsem vyrůstal. Pak jsem ke 13. narozeninám dostal kytaru. Stále hraji a mám vášeň pro živé hraní. Takže když jsem zjišťoval, co budu dělat se svým životem, dávalo smysl zaměřit se na něco, čemu jsem věnoval téměř všechen svůj čas.

Nakonec jsem dělal spoustu věcí tečně souvisejících. Hrál jsem v kapele. Řídil jsem kapely. Běhal jsem klubové večery. Rozdával jsem letáky na klubové večery jiných lidí, vedl seznamy hostů, a než jsem se nadál, stala se z toho kariéra, i když rozhodně s technologickým sklonem.

Mohl byste se podělit o genezi Musiio?

Moje první práce po univerzitě byla stohování regálů v HMV (britský obchod s deskami). Takže by se dalo říct, že jsem si od té doby vědom problémů s kategorizací hudby. Rychle vpřed několik let (přes Shazam, Pandora a Universal) a pracoval jsem pro hudební platformu UGC s tisíci skladeb nahraných denně. Pracoval jsem se seznamem skladeb, který musel ručně shromažďovat nejlepší nahranou hudbu do seznamů skladeb. Poslouchal stovky skladeb denně. Některé dny měl dostatek vhodného obsahu pro playlist. Některé dny ne. Začal jsem přemýšlet, zda by mohl existovat způsob, jak automatizovat hledání nejlepších tras pro daný scénář. Tímto způsobem mohl využít své schopnosti hudebního experta pro kurátorství, spíše než jen působit jako filtr špatné hudby.

Musiio vzniklo, když jsem se v roce 2018 seznámil se svým spoluzakladatelem Aronem Petterssonem prostřednictvím start-upového inkubátoru Entrepreneur First v Singapuru. Aron je génius AI. Když jsme mluvili o způsobech, jak bychom mohli spolupracovat, uvědomili jsme si, že bychom mohli být schopni využít Aronovy schopnosti umělé inteligence k vyřešení problému filtrování založeného na hudbě, automatického označování nebo vyhledávání hudby pomocí žánrů, nálad, BPM atd. nebo vyhledávání na základě otisků prstů. . Aron vytvořil prototyp algoritmu během odpoledne a my jsme jej uvedli do provozu na bezplatném archivu hudby. Šli jsme na oběd a nechali jsme to na zpracování dat. Když jsme se vrátili, byli jsme ohromeni přesností výsledků. Nemohli jsme doufat v úspěšnější proof of concept. Odtud jsme algoritmus masivně optimalizovali. Máme hudební tým, který pomáhá učit AI a provádí QA, a vydali jsme produkty pro značkování, vyhledávání zvukových referencí, seznamy skladeb a dokonce výběr segmentů skladeb pro platformy, jako je TikTok.

Jaké jsou různé typy algoritmů strojového učení, které se používají?

Vytvořili jsme vlastní proprietární algoritmy a považujeme to za naši tajnou omáčku! Můj spoluzakladatel Aron byl v popředí strojového učení více než deset let a pracoval napříč molekulární biologií, neurovědami, fyzikou a dokonce vývojem her. Vede náš tým AI. Využíváme také skvělé dostupné technologie, jako jsou TensorFlow, Kubernetes a Google Cloud Services, pro škálovatelnost a pro poskytování našich produktů v masivním měřítku, v našem největším objemu jsme označovali 5,000,000 XNUMX XNUMX skladeb denně! Také jsme věnovali značné množství času a úsilí zefektivnění našich pracovních postupů v JIRA; nejde jen o to, jaké nástroje používáte, ale jak efektivně dokážete pracovat s týmem vývojářů a hudebních expertů. Spojení dvou týmů AI a Music je druhou částí naší tajné omáčky.

Jaké jsou některé z výzev při budování vyhledávače hudby?

Rychlost a přesnost jsou velké výzvy při vyhledávání. Musí to být rychlé, protože to lidé používají v reálném čase. To se liší od označování, protože uživatel často zadá několik vyhledávacích dotazů, ale označení proběhne pouze jednou.

Pro urychlení vyhledávání můžete udělat různé věci. Mohli byste pouze zobrazit stopy, které sdílejí stejné značky jako vaše počáteční stopa, ale obětovali byste přesnost. Čisté vyhledávání audioreferencí v katalogu 200 milionů skladeb může například trvat dlouho, takže neustále vyvažujete rychlost a přesnost a hledáte řešení. Je to složité a některé z nich jsou těžce získané znalosti, ale mohu se podělit o to, že převádíme zvukové soubory na spektrogramy, vysoce podrobné otisky zvukových souborů, a když provádíme vyhledávání zvukových referencí, algoritmus analyzuje až 1,500 XNUMX datových bodů. – daleko nad rámec toho, co je možné pouze se slovními značkami. A zachycuje těžko popsatelné hudební prvky, jako je kvalita vokálu, prostředí a atmosféra. Uživatelům také umožňujeme definovat filtry, takže jejich vyhledávání může být rychlejší a cílenější.

Další výzvou je, jak řídíte relevanci. Většina lidí nepřejde přes první stránku výsledků, takže jsme tomu věnovali spoustu času.

Jaké problémy řeší Musiio pro b2b klienty?

Obsloužíme kohokoli s hudebním katalogem. Technologii jsme vytvořili na míru, ať už jste hudebník, který nemá čas označovat hudbu a chce se soustředit na tvorbu, nebo streamovací služba se stovkami milionů skladeb.

Pomáháme nahrávacím společnostem organizovat jejich data pro lepší navigaci v katalogu, pomáháme synchronizovat společnosti (které dávají hudbu do videa/TV a filmu) odhalovat skryté klenoty a pomáháme streamovacím službám vytvářet lepší seznamy skladeb. Problém, s nímž se všechny tyto společnosti potýkají, je ten, že ruční zpracování zvuku poslechem každé stopy je náročné na práci a je těžké ho dělat přesně po dlouhou dobu. Označil jsem 1000 skladeb jako experiment. Trvalo to dva týdny a nebylo to vůbec zábavné. Naše umělá inteligence dokáže označit miliony stop denně s přesností 90–99 %.

S naším produktem Musiio Search umožňujeme našim B2B zákazníkům nabízet vyhledávání zvukových referencí jako funkci. Pokud producent videa hledá hudební umístění, začne tím, že pochopí očekávání svého klienta ohledně žánru, nálady, BPM a poté vyhledá na zvoleném webu.

Musiio tento proces zkracuje s našimi partnery, kteří instalují naše vyhledávání, tím, že umožňuje stejnému producentovi videa použít „referenční stopu“ k prohledání celé databáze během několika sekund. Naše AI prohledá referenční stopu a vrátí nejbližší zvukové shody.

Společnost Musiio nedávno uvedla na trh produkt NFT Song Slicer, mohl byste popsat, co to je?

NFT Song Slicer je prototyp navržený tak, aby pomohl umělcům získat větší hodnotu z jejich hudby. Využívá proces řízený umělou inteligencí k nalezení žádoucích háčků ve skladbě – až tři na skladbu – a poskytuje časové kódy, aby umělec mohl tyto sekce skladby vyrazit jako NFT. Může to také udělat automaticky pro celé katalogy, což usnadňuje štítkům a umělcům s velkými zadními katalogy rychle vytvářet nová digitální sběratelská aktiva.

Jaké jsou možné případy použití tohoto typu produktu Song Slicer?

Majitelům katalogů nebo umělcům s rozsáhlým zadním katalogem může NFT Song Slicer vybrat nejhodnotnější sekce z milionů skladeb denně. Například nahrávací společnosti mohou tyto kousky skladeb přeměnit na NFT a prodávat je jako digitální zboží v limitované edici.

S revolucí streamování je pro fanoušky obtížné dostat dolar do kapsy umělců, které milují. Na NFT Song Slicer se díváme jako na způsob, jak mohou fanoušci podporovat své oblíbené umělce a pro fanoušky vlastnit digitální sběratelské předměty. Každý plátek může být držitelem práv oceněn odlišně. Například refrén může stát více než sloka.

A protože NFT Song Slicer identifikuje nejcennější části stopy, vidíme, že tato technologie nabízí předpovědi hodnoty pro NFT a dokonce i celé hudební katalogy.

Jaká je vaše vize budoucnosti Musiio?

Říkám, že Musiio je jedna třetina miliardové společnosti. K vybudování této společnosti potřebujete tři části. Prvním je legální přístup k velkým objemům dat neboli „potrubí“. Druhá část je technika. To jsme my a jsme velmi dobří v tom, co děláme. Třetí a poslední částí je štítek: způsob, jak zpeněžit to, co najdete, hledáte nebo objevíte. Musiio vždy pracuje na dosažení tohoto dlouhodobého cíle.

Máte pocit, že umělá inteligence bude v blízké budoucnosti schopna psát a generovat hudbu?

Jsem docela otevřený, že nejsem velkým fanouškem AI pro kreativitu. Je to zábavný akademický experiment a existují systémy, které to dělají, ale já to prostě nevidím jako potřebu. Musiio funguje tak dobře, protože nikdo nechce označit tisíce skladeb denně. Není to zábavné a nepotřebujete člověka, který by to dělal efektivně nebo rychle. Ale muzicírování? Nejsem si tak jistý. O lidi, kteří chtějí dělat hudbu, není nouze.

I tak si myslím, že nás dělí nejméně pět až deset let od toho, aby hudba generovaná umělou inteligencí zněla dobře. Onehdy jsem slyšel nějakou klavírní hudbu vygenerovanou umělou inteligencí a je těžké říct, zda ji napsala umělá inteligence nebo jen někdo, kdo není příliš úspěšný. Nejsem přesvědčen, že výkon AI bude někdy k nerozeznání od dokonalého lidského hráče.

A proč bys to chtěl? Tolik toho, co dělá hudbu zajímavou, je tradice kolem umělce, jeho osobnost, styl a poselství. Není to jen o hudbě.

Je ještě něco, co byste chtěli o Musiiu sdílet?

Jsem velmi nadšený, že Musiio právě získalo čtvrté místo ve Fast Company 10 nejinovativnějších hudebních společností roku 2022. Náš tým a technologie vyrostly od semene nápadu k získání mezinárodního uznání vedle velkých průmyslových jmen, jako jsou Hipgnosis a SoundCloud. Je to pocta krvi, potu a slzám, které náš tým vložil do našich špičkových produktů. Jsme tak nadšeni, že jsme na špici průsečíku mezi hudbou a technologií. A vědomí, že existují případy použití, o kterých jsme ještě ani neuvažovali, mě velmi vzrušuje z budoucnosti.

Děkuji za skvělý rozhovor, čtenáři, kteří se chtějí dozvědět více, by měli navštívit muzeum.