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

Musiio bietet AI-gestützte Analyse-, Tagging- und Suchtools für einige der größten Musik-Kataloge der Welt an, zu deren Kunden Sony Music, Hipgnosis, Amanotes, Epidemic Sound und Blanco Y Negro gehören.

Ein Rock-liebender Gitarrist, der zum Co-Founder & CEO wurde, hat Hazel Savage 15 Jahre in der Musikindustrie verbracht und für einige der größten Musikmarken der Welt gearbeitet – von der Einräumung von Regalen bei HMV bis hin zur Leitung von Teams in Unternehmen, die an der Spitze des Musikhörens und der Empfehlungen stehen, versteht Hazel die Bedürfnisse der Branche, von Musikern bis hin zu großen multinationalen Unternehmen.

Sie sind bereits seit über 15 Jahren in der Musikindustrie tätig, was macht Sie so leidenschaftlich für Musik, und warum wollten Sie sich in der Musikindustrie engagieren?

Meine Eltern waren ziemlich rockig. Sie waren enorme Musikfans, also war ich immer von Musik umgeben, als ich aufwuchs. Dann bekam ich zu meinem 13. Geburtstag eine Gitarre. Ich spiele noch immer und habe eine Leidenschaft für das Live-Auftritten. Als ich also darüber nachdachte, was ich mit meinem Leben anfangen wollte, ergab es Sinn, mich auf etwas zu konzentrieren, dem ich fast meine ganze Zeit gewidmet hatte.

Ich habe viele Dinge getan, die tangential damit zu tun hatten. Ich habe in einer Band gespielt. Ich habe Bands gemanagt. Ich habe Clubnächte organisiert. Ich habe Flyer für die Clubnächte anderer Leute verteilt, Gästelisten geführt und bevor ich es wusste, wurde es zu einer Karriere, obwohl definitiv mit einer technischen Note.

Können Sie die Entstehungsgeschichte hinter Musiio teilen?

Mein erster Job nach dem Universitätsabschluss war das Einräumen von Regalen in HMV (dem britischen Plattenladen). Man könnte also sagen, dass ich seitdem die Probleme mit der Kategorisierung von Musik kenne. Ein paar Jahre später (via Shazam, Pandora und Universal) arbeitete ich für eine UGC-Musikplattform mit Tausenden von Tracks, die täglich hochgeladen wurden. Ich arbeitete mit einem Playlister, der die besten Musik-Uploads manuell in Playlists zusammenstellen musste. Er hörte sich täglich Hunderte von Tracks an. Manchmal hatte er genug geeignete Inhalte für eine Playlist. Manchmal nicht. Ich begann, mich zu fragen, ob es vielleicht eine Möglichkeit gäbe, das Finden der besten Tracks für eine bestimmte Situation zu automatisieren. Auf diese Weise könnte er seine Fähigkeiten als Musikexperte für die Kuratierung nutzen, anstatt nur als Filter für schlechte Musik zu dienen.

Musiio wurde gegründet, als ich meinen Co-Founder Aron Pettersson durch den Start-up-Inkubator Entrepreneur First in Singapur im Jahr 2018 traf. Aron ist ein AI-Genie. Als wir über Möglichkeiten sprachen, wie wir zusammenarbeiten könnten, realisierten wir, dass wir vielleicht Arons AI-Fähigkeiten nutzen könnten, um das Problem der musikbasierten Filterung zu lösen, also das automatische Tagging oder Suchen von Musik mit Genres, Stimmungen, BPM usw. oder fingerprint-basierten Suchen. Aron baute ein Prototyp des Algorithmus in einem Nachmittag und wir setzten es auf ein kostenloses Musikarchiv. Wir gingen zum Mittagessen und ließen es die Daten verarbeiten. Als wir zurückkamen, waren wir von der Genauigkeit der Ergebnisse erstaunt. Wir hätten nicht auf eine erfolgreichere Proof-of-Concept hoffen können. Von da an haben wir den Algorithmus massiv optimiert. Wir haben ein Musikteam, das hilft, dem AI zu trainieren und die QA durchzuführen, und wir haben Produkte für Tagging, Audio-Referenzsuche, Playlisting und sogar Song-Segment-Auswahl für Plattformen wie TikTok veröffentlicht.

Welche Arten von Machine-Learning-Algorithmen werden verwendet?

Wir haben unsere eigenen proprietären Algorithmen entwickelt und betrachten dies als unser Geheimrezept! Mein Co-Founder Aron hat über ein Jahrzehnt an der Spitze des Machine Learning gearbeitet und in Bereichen wie Molekularbiologie, Neurowissenschaften, Physik und sogar Spieleentwicklung gearbeitet. Er leitet unser AI-Team. Wir nutzen auch großartige verfügbare Technologien wie TensorFlow, Kubernetes und Google Cloud Services für Skalierbarkeit und um unsere Produkte auf einer riesigen Skala anzubieten, bei unserem größten Volumen haben wir 5.000.000 Tracks pro Tag getaggt! Wir haben auch viel Zeit und Mühe investiert, um unsere Workflows in JIRA zu optimieren; es geht nicht nur darum, welche Tools Sie verwenden, sondern auch, wie effizient Sie mit einem Team von Entwicklern und Musikexperten zusammenarbeiten können. Die Kombination aus beiden Teams, AI und Musik, ist der zweite Teil unseres Geheimrezepts.

Welche Herausforderungen gibt es beim Aufbau einer Suchmaschine für Musik?

Geschwindigkeit und Genauigkeit sind die großen Herausforderungen bei der Suche. Es muss schnell sein, weil die Leute es in Echtzeit verwenden. Dies ist anders als das Tagging, weil ein Benutzer oft mehrere Suchanfragen stellt, aber das Tagging nur einmal passiert.

Es gibt verschiedene Dinge, die Sie tun können, um die Suche zu beschleunigen. Sie könnten einfach Tracks anzeigen, die die gleichen Tags wie Ihr Seed-Track haben, aber Sie würden die Genauigkeit opfern. Eine reine Audio-Referenzsuche über einen Katalog von 200 Millionen Tracks kann sehr lange dauern, also suchen Sie ständig nach Lösungen, um Geschwindigkeit und Genauigkeit zu balancieren. Es ist schwierig und einiges davon ist hart erkämpftes Wissen, aber was ich teilen kann, ist, dass wir Audio-Dateien in Spektrogramme umwandeln, hochdetaillierte Fingerabdrücke von Audio-Dateien und wenn wir eine Audio-Referenzsuche durchführen, analysiert der Algorithmus bis zu 1.500 Datenpunkte – weit darüber hinaus, was mit Wort-Tags allein möglich ist. Und es erkennt schwer zu beschreibende musikalische Merkmale wie Gesangsqualität, Atmosphäre und Vibe. Wir ermöglichen es Benutzern auch, Filter zu definieren, damit ihre Suchen schneller und fokussierter sind.

Eine weitere Herausforderung ist, wie Sie die Relevanz verwalten. Die meisten Leute gehen nicht über die erste Seite der Ergebnisse hinaus, also haben wir viel Zeit auf diese investiert.

Welche Probleme löst Musiio für B2B-Kunden?

Wir bedienen jeden, der einen Musik-Katalog hat. Wir haben die Technologie entwickelt, um zu skalieren, ob Sie ein Musiker sind, der keine Zeit hat, Musik zu taggen und sich auf die Erstellung konzentrieren möchte, oder ein Streaming-Dienst mit Hunderten von Millionen von Tracks.

Wir helfen Plattenlabels, ihre Daten für eine bessere Katalog-Navigation zu organisieren, wir helfen Sync-Unternehmen (die Musik für Video/TV und Film verwenden) dabei, versteckte Juwelen zu entdecken, und wir helfen Streaming-Diensten, bessere Playlists zu erstellen. Das Problem, das all diese Unternehmen haben, ist, dass das manuelle Verarbeiten von Audio durch das Hören jedes Tracks sehr arbeitsintensiv und schwierig ist, um es für eine längere Zeit genau zu tun. Ich habe 1000 Tracks als Experiment getaggt. Es dauerte zwei Wochen und war nicht lustig. Unser AI kann Millionen von Tracks pro Tag mit 90-99% Genauigkeit taggen.

Mit unserem Musiio-Such-Produkt ermöglichen wir es unseren B2B-Kunden, die Audio-Referenzsuche als Funktion anzubieten. Wenn ein Video-Produzent nach einer Musik-Platzierung sucht, würde er damit beginnen, die Erwartungen seines Kunden hinsichtlich Genre, Stimmung, BPM zu verstehen, und dann auf der gewählten Seite suchen.

Musiio verkürzt diesen Prozess mit unseren Partnern, die unsere Suche installieren, indem sie es dem gleichen Video-Produzenten ermöglichen, einen “Referenz-Track” zu verwenden, um die gesamte Datenbank in Sekunden zu durchsuchen. Unser AI scannen den Referenz-Track und geben die nächsten Audio-Matches zurück.

Musiio hat kürzlich ein NFT-Song-Slicer-Produkt gestartet, können Sie beschreiben, was dies ist?

NFT-Song-Slicer ist ein Prototyp, der dazu dient, Künstlern mehr Wert aus ihrer Musik zu entlocken. Es verwendet einen AI-gesteuerten Prozess, um wünschenswerte Hooks in einem Track zu finden – bis zu drei pro Song – und gibt Zeitcodes, damit ein Künstler diese Song-Sektionen als NFTs prägen kann. Es kann dies auch automatisch für ganze Kataloge tun, was es für Labels und Künstler mit großen Back-Katalogen einfacher macht, schnell neue digitale Sammler-Assets zu erstellen.

Welche potenziellen Anwendungsfälle gibt es für ein solches Song-Slicer-Produkt?

Für Katalog-Besitzer oder Künstler mit einem umfangreichen Back-Katalog kann NFT-Song-Slicer die wertvollsten Sektionen in Millionen von Songs pro Tag auswählen. Plattenlabels können diese Song-Slices beispielsweise in NFTs umwandeln und als limitierte digitale Merchandise verkaufen.

Mit der Streaming-Revolution ist es für Fans schwierig geworden, den Künstlern, die sie lieben, direkt Geld in die Tasche zu geben. Wir betrachten NFT-Song-Slicer als eine Möglichkeit für Fans, ihre Lieblingskünstler zu unterstützen, und für Fans, digitale Sammler-Assets zu besitzen. Jeder Slice kann auch von einem Rechteinhaber unterschiedlich bewertet werden. Beispielsweise kann ein Chorus mehr kosten als ein Vers.

Und weil NFT-Song-Slicer die wertvollsten Sektionen eines Tracks identifiziert, sehen wir diese Technologie als eine Möglichkeit, Wertvorhersagen für NFTs und sogar ganze Musik-Kataloge zu bieten.

Was ist Ihre Vision für die Zukunft von Musiio?

Ich sage, dass Musiio ein Drittel eines Milliarden-Unternehmens ist. Um dieses Unternehmen aufzubauen, benötigen Sie drei Teile. Der erste Teil ist der legale Zugang zu großen Datenmengen oder eine “Pipeline”. Der zweite Teil ist die Technologie. Das sind wir, und wir sind sehr gut darin. Der dritte und letzte Teil ist ein Label: Eine Möglichkeit, das, was Sie finden, suchen oder entdecken, zu monetarisieren. Musiio arbeitet ständig an diesem langfristigen Ziel.

Fühlen Sie, dass AI in der Lage sein wird, Musik zu schreiben und zu generieren, in naher Zukunft?

Ich bin ziemlich offen darüber, dass ich kein großer Fan von AI für Kreativität bin. Es ist ein lustiges akademisches Experiment, und es gibt Systeme, die es tun, aber ich sehe einfach keinen Bedarf dafür. Musiio funktioniert so gut, weil niemand Tracks taggen möchte. Es macht keinen Spaß, und Sie benötigen keine Person, um es effektiv oder schnell zu tun. Aber Musik machen? Ich bin nicht so sicher. Es gibt keinen Mangel an Leuten, die Musik machen möchten.

Trotzdem denke ich, dass wir mindestens fünf bis zehn Jahre davon entfernt sind, dass AI-generierte Musik gut klingt. Ich habe kürzlich einige AI-generierte Klaviermusik gehört, und es ist schwer zu sagen, ob es von AI oder einfach von jemandem geschrieben wurde, der nicht sehr begabt ist. Ich bin nicht überzeugt, dass eine AI-Darbietung jemals nicht von einem Menschen zu unterscheiden sein wird.

Und warum sollte man es wollen? So viel von dem, was Musik interessant macht, ist die Legende um einen Künstler, seine Persönlichkeit, seinen Stil und seine Botschaft. Es geht nicht nur um die Musik.

Gibt es noch etwas, das Sie über Musiio teilen möchten?

Ich bin sehr aufgeregt, dass Musiio gerade den 4. Platz in der Liste der 10 innovativsten Musikunternehmen 2022 von Fast Company belegt hat. Unser Team und unsere Technologie sind von einem Samen einer Idee zu internationaler Anerkennung neben großen Branchennamen wie Hipgnosis und SoundCloud gewachsen. Es ist ein Tribut an das Blut, den Schweiß und die Tränen, die unser Team in unsere branchenführenden Produkte investiert hat. Wir sind sehr aufgeregt, an der Spitze der Kreuzung zwischen Musik und Technologie zu sein. Und das Wissen, dass es Anwendungsfälle gibt, an die wir noch nicht einmal gedacht haben, macht mich sehr aufgeregt für die Zukunft.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Musiio besuchen.