Hazel Savage, CEO & spoluzakladatelka Musiio – rozhovor

Musiio poskytuje AI-poháněnou analýzu, tagování a vyhledávací nástroje pro některé z největších hudebních katalogů na světě, mezi které patří Sony Music, Hipgnosis, Amanotes, Epidemic Sound a Blanco Y Negro.

Kytaristka, která miluje rock, se stala spoluzakladatelkou a CEO, Hazel Savage strávila 15 let v hudebním průmyslu, pracovala pro některé z největších hudebních značek na světě – od skládání regálů v HMV až po řízení týmů v podnicích, které jsou v popředí hudebního poslechu a doporučení, Hazel rozumí potřebám průmyslu od hudebníka až po velké nadnárodní společnosti.

Vous jste v hudebním průmyslu již více než 15 let, co vás tak vášnivě zajímá o hudbu a proč jste se rozhodla zapojit do hudebního průmyslu?

Mojí rodiče byli khá rockoví. Byli obrovskými fanoušky hudby, takže jsem byla vždy obklopena hudbou. Pak, když mi bylo 13 let, jsem dostala kytaru. Stále hraji a mám vášeň pro živé vystoupení. Takže když jsem se rozhodla, co budu dělat se svým životem, mělo smysl soustředit se na něco, čemu jsem věnovala téměř všechen svůj čas.

Nakonec jsem dělala spoustu věcí, které měly souvislost s hudbou. Hrála jsem v kapele. Řídila jsem kapely. Pořádala jsem klubové noci. Rozdávala jsem letáky na klubové noci, spravovala jsem hosty a předtím, než jsem si to uvědomila, se to stalo mou kariérou, i když s technologickým zaměřením.

Můžete sdílet příběh o vzniku Musiio?

Má první práce po univerzitě byla skládání regálů v HMV (britský obchod s nahrávkami). Takže můžete říci, že jsem byla vědoma problémů s kategorizací hudby už od té doby. O pár let později (po Shazamu, Pandoru a Universalu) jsem pracovala pro platformu UGC hudby s tisíci skladeb nahrávaných denně. Pracovala jsem s playlistařem, který musel ručně sestavit nejlepší hudbu do playlistů. Poslouchal stovky skladeb denně. Některé dny měl dostatek vhodného obsahu pro playlist. Některé dny ne. Začala jsem se ptát, zda by nebylo možné automatizovat nalezení nejlepších skladeb pro danou situaci. Takže by mohl použít své dovednosti jako hudební odborník pro kuraci, spíše než jen jako filtr pro špatnou hudbu.

Musiio bylo založeno, když jsem se setkala se svým spoluzakladatelem Aronem Petterssonem prostřednictvím start-up inkubátoru Entrepreneur First v Singapuru v roce 2018. Aron je AI génius. Když jsme mluvili o tom, jak bychom mohli spolupracovat, uvědomili jsme si, že bychom mohli použít Aronovy AI dovednosti k řešení problému filtrování hudby, automatického tagování nebo vyhledávání hudby podle žánrů, nálad, BPM apod. Aron postavil prototyp algoritmu za odpoledne a spustili jsme ho na volném archivu hudby. Šli jsme na oběd, nechali jsme to zpracovat data. Když jsme se vrátili, byli jsme ohromeni přesností výsledků. Nemohli jsme si přát lepší důkaz konceptu. Od té doby jsme algoritmus enormně optimalizovali. Máme hudební tým, který pomáhá učit AI a provádět kontrolu kvality, a vydali jsme produkty pro tagování, audio referenční vyhledávání, playlisting a dokonce i výběr songů pro platformy jako TikTok.

Jaké typy strojového učení jsou použity?

Vyvinuli jsme své vlastní proprietární algoritmy a považujeme je za naše tajné koření! Můj spoluzakladatel Aron je již více než deset let na špici strojového učení, pracoval v molekulární biologii, neurovědách, fyzice a dokonce i ve vývoji her. Vědouc naší AI týmu. Také využíváme skvělé dostupné technologie, jako je TensorFlow, Kubernetes a Google Cloud Services, pro škálovatelnost a dodání našich produktů v obrovském měřítku, naše největší objem byl 5 000 000 skladeb denně! Také jsme strávili spoustu času a úsilí optimalizací našich pracovních postupů v JIRA; nejde jen o to, jaké nástroje používáte, ale jak efektivně můžete pracovat s týmem vývojářů a hudebních odborníků. Kombinace obou týmů, AI a hudby, je druhou částí našeho tajného koření.

Jaké jsou některé výzvy při budování vyhledávače pro hudbu?

Rychlost a přesnost jsou největšími výzvami pro vyhledávání. Musí to být rychlé, protože lidé jej používají v reálném čase. To je jiné než tagování, protože uživatel může udělat několik vyhledávacích dotazů, ale tagování se provádí pouze jednou.

Existuje několik věcí, které můžete udělat pro urychlení vyhledávání. Můžete například zobrazit pouze skladby, které sdílejí stejné tagy jako vámi zvolená skladba, ale obětujete tím přesnost. Čistý audio-referenční vyhledávač v katalogu 200 milionů skladeb může trvat dlouho, takže jste neustále vyvažujete rychlost a přesnost a hledáte řešení. Je to složité a některé z nich jsou tvrdě vybojované znalosti, ale co mohu sdílet, je to, že převádíme audio soubory na spektrografy, velmi podrobné otisky audio souborů a při provádění audio-referenčního vyhledávání algoritmus analyzuje až 1 500 datových bodů – daleko za tím, co je možné s pouhými slovními tagy. A zachycuje těžko popsatelné hudební rysy, jako je kvalita vokálů, atmosféra a vibe. Také umožňujeme uživatelům definovat filtry, aby jejich vyhledávání bylo rychlejší a více zúžené.

Jinou výzvou je, jak spravovat relevanci. Většina lidí se nedostane za první stránku výsledků, takže jsme strávili spoustu času na tom.

Jaké problémy Musiio řeší pro B2B klienty?

Sloužíme komukoli, kdo má hudební katalog. Postavili jsme technologii, aby škálovala, ať už jste hudebník, který nemá čas na tagování hudby a chce se soustředit na tvorbu, nebo streamovací služba s stovkami milionů skladeb.

Pomáháme nahrávacím společnostem organizovat svá data pro lepší navigaci v katalogu, pomáháme společnostem pro synchronizaci (které přidávají hudbu k videu/TV a filmu) objevit skrytá díla a pomáháme streamovacím službám budovat lepší playlisty. Problém, se kterým se všechny tyto společnosti potýkají, je, že zpracování audio ručně poslechem každé skladby je časově náročné a těžké udělat přesně a po delší dobu. Označila jsem 1000 skladeb jako experiment. Trvalo to dva týdny a nebylo to vůbec zábavné. Naše AI může označit miliony skladeb denně s přesností 90-99%.

S naším produktem Musiio Search umožňujeme našim B2B zákazníkům nabízet audio-referenční vyhledávání jako funkci. Pokud je video producent hledá hudbu pro umístění, začne tím, že pochopí očekávání klienta ohledně žánru, nálady, BPM a pak hledá na vybrané stránce.

Musiio zkracuje tento proces s našimi partnery, kteří instalují naše vyhledávání, umožňující stejnému video producentovi použít “referenční skladbu” pro vyhledávání v celém databázi během sekund. Naše AI bude skenovat referenční skladbu a vrátí nejbližší audio shody.

Musiio nedávno spustilo produkt NFT Song Slicer, můžete popsat, co to je?

NFT Song Slicer je prototyp, který má pomoci umělcům získat více hodnoty z jejich hudby. Používá AI-poháněný proces k nalezení žádaných hooků v skladbě – až tři na skladbu – a poskytuje časové kódy, aby umělec mohl tyto songové sekce značit jako NFT. Může to také udělat automaticky pro celé katalogy, což usnadňuje labelům a umělcům s velkými back katalogy rychle vytvářet nové digitální sběratelské předměty.

Jaké jsou některé potenciální použití pro tento typ produktu Song Slicer?

Pro vlastníky katalogů nebo umělce s rozsáhlým back katalogem může NFT Song Slicer vybrat nejvýnosnější sekce v milionech skladeb denně. Nahrávací společnosti, například, mohou tyto songové sekce poté značit jako NFT a prodávat je jako omezené digitální zboží.

S revolucí streamování se stalo obtížné, aby fanoušci dostali peníze do kapes umělců, které milují. Díváme se na NFT Song Slicer jako na způsob, jak mohou fanoušci podporovat své oblíbené umělce a jak mohou fanoušci vlastnit digitální sběratelské předměty. Každá sekce může být také cenově odlišná podle držitele práv. Například refrén může stát více než verš.

A protože NFT Song Slicer identifikuje nejvýnosnější sekce skladby, vidíme tuto technologii jako nabízející předpovědi hodnoty pro NFT a dokonce i celé hudební katalogy.

Jaký je váš výhled do budoucna pro Musiio?

Říkám, že Musiio je jedna třetina miliardové společnosti. Abyste postavili tuto společnost, potřebujete tři části. První je legální přístup k velkým objemům dat, nebo “potrubí”. Druhá část je technologie. To jsme my a jsme velmi dobří v tom, co děláme. Třetí a konečná část je label: způsob, jak monetizovat to, co najdete, vyhledáte nebo objevíte. Musiio vždy pracuje na tomto dlouhodobém cíli.

Cítíte, že AI bude schopna psát a generovat hudbu v blízké budoucnosti?

Jsem khá otevřená v tom, že nejsem velkým fanouškem AI pro kreativitu. Je to zábavný akademický experiment a existují systémy, které to dělají, ale nevidím v tom potřebu. Musiio funguje tak dobře, protože nikdo nechce označit tisíce skladeb denně. Není to zábavné a není třeba, aby to dělal člověk, aby to bylo efektivní nebo rychlé. Ale tvorba hudby? Nejsem si tak jistá.

I tak si myslím, že jsme alespoň 5 až 10 let od toho, aby AI-generovaná hudba zněla dobře. Slyšela jsem nedávno AI-generovanou pianistickou hudbu a je těžké říci, zda byla vytvořena AI nebo někým, kdo není příliš zkušený. Nejsem přesvědčena, že AI výkon bude někdy nezřetelný od výkonu zkušeného lidského hráče.

A proč by to mělo být? Tak tolik toho, co dělá hudbu zajímavou, je lore kolem umělce, jeho osobnosti, stylu a zprávy. Není to jen o hudbě.

Je něco jiného, co byste rádi sdíleli o Musiio?

Jsem velmi ráda, že Musiio bylo nedávno oceněno jako 4. místo v žebříčku 10 nejvíce inovativních hudebních společností roku 2022 podle Fast Company. Náš tým a technologie vyrostly z nápadu na mezinárodní uznání vedle velkých jmen v průmyslu, jako je Hipgnosis a SoundCloud. Je to pocta našemu týmu, který vložil krev, pot a slzy do našich špičkových produktů. Jsme velmi rádi, že jsme na špici průsečíku hudby a technologie. A vědět, že existují použití, o kterých jsme ještě neuvažovali, mě činí velmi nadšenou do budoucna.

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