Hazel Savage, CEO & Co-Founder of Musiio – Interview Serie

Musiio leverer AI-drevet analyse, tagging og søgeværktøjer til nogle af verdens største musikkataloger, herunder Sony Music, Hipgnosis, Amanotes, Epidemic Sound og Blanco Y Negro blandt deres kunder.

En rock-el-skudt guitarist, der blev co-founder & CEO, Hazel Savage har tilbragt 15 år i musikindustrien, hvor hun har arbejdet for nogle af verdens største musikmærker – fra at stable hylder op hos HMV til at lede hold i virksomheder, der er i frontlinjen for musiklytning og anbefalinger, Hazel forstår industrens behov fra musiker til stor multinational.

Du har været i musikindustrien i over 15 år, hvad gør dig så passioneret om musik, og hvorfor ville du gerne være en del af musikindustrien?

Mine forældre var ret rock and roll. De var enorme musikfans, så jeg var altid omgivet af musik, da jeg voksede op. Så, da jeg fik min 13-års fødselsdag, fik jeg en guitar. Jeg spiller stadig og har en passion for at optræde live. Så, da jeg skulle finde ud af, hvad jeg skulle gøre med mit liv, gjorde det mening at fokusere på noget, som jeg havde brugt næsten al min tid på.

Jeg endte med at gøre en masse ting, der var relateret til musik. Jeg spillede i et band. Jeg managede bands. Jeg kørende klubnat. Jeg delte flyers ud til andres klubnat, kørende gæstelister, og før jeg vidste af det, blev det en karriere, selvom det bestemt havde en teknisk vending.

Kan du dele historien bag Musiio?

Mit første job efter universitetet var at stable hylder op hos HMV (den britiske pladebutik). Så, man kunne sige, at jeg har været bekendt med problemerne med at kategorisere musik lige siden. Spring frem et par år (via Shazam, Pandora og Universal), og jeg arbejdede for en UGC-musikplatform med tusindvis af spor, der blev uploadet hver dag. Jeg arbejdede med en playlister, der skulle manuelt samle de bedste musikupload i playlists. Han lyttede til hundredvis af spor om dagen. Nogle dage havde han nok godt indhold til en playlist. Nogle dage havde han ikke. Jeg begyndte at undre mig over, om der måske var en måde at automatisere processen med at finde de bedste spor til en given situation på. På den måde kunne han bruge sine færdigheder som musikekspert til curation, i stedet for bare at fungere som en filter for dårlig musik.

Musiio blev dannet, da jeg mødte min co-founder Aron Pettersson gennem start-up inkubatoren Entrepreneur First i Singapore i 2018. Aron er en AI-genius. Da vi talte om måder, vi kunne arbejde sammen på, indså vi, at vi måske kunne bruge Arons AI-færdigheder til at løse problemet med musikbaseret filtrering, automatisk tagging eller søgning af musik med genrer, humør, BPM osv. eller fingeraftryksbaseret søgning. Aron byggede en prototype af algoritmen på en eftermiddag, og vi satte den i gang med at bearbejde data fra en gratis musikarkiv. Vi gik ud at spise frokost, mens den bearbejdede data. Da vi kom tilbage, var vi forbavset over resultaternes nøjagtighed. Vi kunne ikke have håbet på en mere succesfuld proof of concept. Herefter har vi optimeret algoritmen kraftigt. Vi har et musikhold, der hjælper med at undervise AI og udfører QA, og vi har udgivet produkter til tagging, audio-reference søgning, playlisting og endda sangsektionsvalg til platforme som TikTok.

Hvad er de forskellige typer maskinlæringsalgoritmer, der anvendes?

Vi har bygget vores egne proprietære algoritmer, og vi betragter dette som vores hemmelige sauce! Min co-founder Aron har været i frontlinjen for maskinlæring i over et årti, hvor han har arbejdet med molekylærbiologi, neurovidenskab, fysik og endda spiludvikling. Han leder vores AI-hold. Vi udnytter også godt tilgængelig teknologi som TensorFlow, Kubernetes og Google Cloud Services til skalerbarhed og for at levere vores produkter på en enorm skala, hvor vores største volumen var 5.000.000 spor om dagen! Vi har også brugt betydelig tid og indsats på at strømlinje vores arbejdsprocesser i JIRA; det handler ikke kun om, hvilke værktøjer du bruger, men om, hvor effektivt du kan arbejde med et hold af udviklere og musikeksperter. Kombinationen af de to hold, AI og musik, er den anden del af vores hemmelige sauce.

Hvad er nogle af udfordringerne med at bygge en søgemaskine til musik?

Hastighed og nøjagtighed er de store udfordringer med søgning. Den skal være hurtig, fordi folk bruger den i realtid. Dette er anderledes end tagging, fordi en bruger ofte foretager flere søgeforespørgsler, men tagging sker kun én gang.

Der er forskellige ting, du kan gøre for at accelerere søgningen. Du kunne blot vise spor, der deler de samme tags som dit seed-spor, men du ville ofre nøjagtighed. En ren audio-reference søgning på tværs af en katalog på 200 millioner spor kan tage lang tid, så du balancerer konstant hastighed og nøjagtighed og søger efter løsninger. Det er svært, og noget af det er hårdt vundet viden, men det, jeg kan dele, er, at vi konverterer lydfiler til spektrogrammer, meget detaljerede fingeraftryk af lydfiler, og når vi udfører en audio-reference søgning, analyserer algoritmen op til 1.500 datapunkter – langt ud over, hvad der er muligt med ord-tags alene. Og det fanger svært-at-beskrive musikalske funktioner som vokal kvalitet, atmosfære og vibe. Vi tillader også brugere at definere filtre, så deres søgninger kan være hurtigere og mere fokuserede.

En anden udfordring er, hvordan du håndterer relevans. De fleste mennesker vil ikke gå ud over den første side af resultater, så vi har brugt meget tid på det.

Hvad er problemerne, som Musiio løser for b2b-kunder?

Vi betjener alle med en musikkatalog. Vi har bygget teknologien til at skala, uanset om du er en musiker, der ikke har tid til at tagge musik, og vil fokusere på at skabe, eller en streamingtjeneste med hundredvis af millioner af spor.

Vi hjælper pladeselskaber med at organisere deres data for bedre katalognavigation, vi hjælper sync-selskaber (der sætter musik til video/TV og film) med at afsløre skjulte perler, og vi hjælper streamingtjenester med at bygge bedre playlists. Problemet, som alle disse virksomheder står over for, er, at manuelt bearbejdning af audio ved at lytte til hvert spor er arbejdskrævende og svært at gøre nøjagtigt i en længere periode. Jeg taggede 1000 spor som et eksperiment. Det tog to uger, og det var ikke sjovt. Vores AI kan tagge millioner af spor om dagen med 90-99% nøjagtighed.

Med vores Musiio Search-produkt tillader vi vores b2b-kunder at tilbyde audio-reference søgning som en funktion. Hvis en video-producer søger efter en musikplacering, vil han starte med at forstå sin klients forventninger til genre, humør, BPM og derefter søge på sin valgte side.

Musiio forkorter denne proces med vores partnere, der installerer vores søgning, ved at tillade den samme video-producer at bruge en “reference-spor” til at søge i hele databasen inden for sekunder. Vores AI vil scanne reference-spor og returnere de nærmeste audio-matcher.

Musiio lancerede nyligt et NFT Sang Slicer-produkt, kan du beskrive, hvad dette er?

NFT Sang Slicer er en prototype, der er designet til at hjælpe kunstnere med at få mere værdi ud af deres musik. Det bruger en AI-drevet proces til at finde ønskede hooks i et spor – op til tre per sang – og giver tidscoder, så en kunstner kan lave disse sangsektioner til NFT’er. Det kan også gøre dette automatisk for hele kataloger, hvilket gør det lettere for pladeselskaber og kunstnere med store bagkataloger at hurtigt skabe nye digitale samlerobjekter.

Hvad er nogle af de potentielle brugsområder for dette type Sang Slicer-produkt?

For katalogejere eller kunstnere med en omfattende bagkatalog kan NFT Sang Slicer vælge de mest værdifulde sektioner i millioner af sange om dagen. Pladeselskaber kan f.eks. omdanne disse sangskær til NFT’er og sælge dem som begrænsede digitale varer.

Med streaming-revolutionen er det blevet svært for fans at få en dollar i lommen på deres elskede kunstnere. Vi ser på NFT Sang Slicer som en måde for fans at støtte deres yndlingskunstnere og for fans at eje digitale samlerobjekter. Hver skæring kan også have en anden pris, fastsat af en rettighedshaver. F.eks. kan en korus koste mere end en verse.

Og fordi NFT Sang Slicer identificerer de mest værdifulde sektioner af et spor, ser vi denne teknologi som en måde til at tilbyde værdiprediktioner for NFT’er og endda hele musikkataloger.

Hvad er din vision for Musiios fremtid?

Jeg siger, at Musiio er en tredjedel af en milliard-dollar-virksomhed. For at bygge denne virksomhed har du brug for tre dele. Den første del er lovligt adgang til store mængder data eller en “pipeline”. Den anden del er teknologien. Det er os, og vi er meget gode til, hvad vi gør. Den tredje og sidste del er en mærkevare: en måde at moneterisere, hvad du finder, søger eller opdager. Musiio arbejder altid mod dette lange sigte.

Føler du, at AI vil være i stand til at skrive og generere musik i den nærmeste fremtid?

Jeg er ret åben om ikke at være en stor fan af AI til kreativitet. Det er et sjovt akademisk eksperiment, og der er systemer, der gør det, men jeg ser ikke behovet for det. Musiio fungerer så godt, fordi ingen ønsker at tagge tusindvis af sange om dagen. Det er ikke sjovt, og du har ikke brug for en person til at gøre det effektivt eller hurtigt. Men musikskabelse? Jeg er ikke så sikker.

Selv om jeg tror, vi er mindst fem til 10 år væk fra, at AI-genereret musik lyder godt. Jeg hørte noget AI-genereret pianomusik for nylig, og det er svært at sige, om det er skrevet af AI eller bare nogen, der ikke er meget dygtig.

Og hvorfor ville du ønske det? Så meget af, hvad der gør musik interessant, er myten om en kunstner, hans person, stil og besked. Det handler ikke kun om musikken.

Er der noget andet, du gerne vil dele om Musiio?

Jeg er meget begejstret for, at Musiio lige blev tildelt nummer 4-pladsen på Fast Companys 10 mest innovative musikvirksomheder i 2022. Vores team og teknologi er vokset fra et lille frø til at få international anerkendelse sammen med store industrier som Hipgnosis og SoundCloud. Det er en hyldest til det blod, sved og tårer, vores team har puttet i vores brancheførende produkter. Vi er så begejstrede for at være på forkanten af intersectionen mellem musik og teknologi. Og at vide, at der er brugsområder, vi endnu ikke har tænkt på, gør mig meget begejstret for fremtiden.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Musiio.