Hazel Savage, Διευθύνων Σύμβουλος & Συνιδρυτής της Musiio – Σειρά Συνεντεύξεων

Μουσείο παρέχουν εργαλεία ανάλυσης, προσθήκης ετικετών και αναζήτησης με τεχνητή νοημοσύνη σε μερικούς από τους μεγαλύτερους μουσικούς καταλόγους στον κόσμο, μεταξύ των πελατών τους οι Sony Music, Hipgnosis, Amanotes, Epidemic Sound και Blanco Y Negro.

Ένας λάτρης της ροκ κιθαρίστας που έγινε Συνιδρυτής και Διευθύνων Σύμβουλος, ο Hazel Savage έχει περάσει 15 χρόνια στη μουσική βιομηχανία δουλεύοντας για μερικές από τις μεγαλύτερες μουσικές μάρκες στον κόσμο – από τη στοίβαξη ραφιών στα HMV, μέχρι τη λειτουργία ομάδων σε επιχειρήσεις στην πρώτη γραμμή της ακρόασης μουσικής και συστάσεις, η Hazel κατανοεί τις ανάγκες της βιομηχανίας από μουσικό έως μεγάλες πολυεθνικές.

Είσαι στη μουσική βιομηχανία για πάνω από 15 χρόνια, τι σε κάνει τόσο παθιασμένο με τη μουσική και γιατί ήθελες να ασχοληθείς με τη μουσική βιομηχανία;

Οι γονείς μου ήταν αρκετά ροκ εν ρολ. Ήταν τεράστιοι λάτρεις της μουσικής, οπότε με περιέβαλλε πάντα η μουσική μεγαλώνοντας. Μετά, για τα 13α γενέθλιά μου, πήρα μια κιθάρα. Εξακολουθώ να παίζω και έχω πάθος για ζωντανές εμφανίσεις. Έτσι, όταν καταλάβαινα τι θα έκανα στη ζωή μου, ήταν λογικό να επικεντρωθώ σε κάτι στο οποίο είχα αφιερώσει σχεδόν όλο μου τον χρόνο.

Κατέληξα να κάνω πολλά πράγματα που σχετίζονται εφαπτομενικά. Έπαιζα σε ένα συγκρότημα. Διαχειριζόμουν συγκροτήματα. Έτρεχα βραδιές κλαμπ. Μοίραζα φυλλάδια για βραδιές κλαμπ άλλων, έτρεχα λίστες καλεσμένων και πριν το καταλάβω, έγινε καριέρα, αν και σίγουρα με τεχνολογική κλίση.

Θα μπορούσατε να μοιραστείτε την ιστορία γένεσης πίσω από το Musiio;

Η πρώτη μου δουλειά εκτός πανεπιστημίου ήταν να στοιβάζω ράφια στο HMV (το δισκοπωλείο του Ηνωμένου Βασιλείου). Έτσι, θα μπορούσατε να πείτε ότι είχα επίγνωση των προβλημάτων με την κατηγοριοποίηση της μουσικής από τότε. Fast forward μερικά χρόνια (μέσω Shazam, Pandora και Universal) και εργαζόμουν για μια μουσική πλατφόρμα UGC με χιλιάδες κομμάτια να ανεβαίνουν την ημέρα. Συνεργάστηκα με μια λίστα αναπαραγωγής που έπρεπε να συγκεντρώνει με μη αυτόματο τρόπο τις καλύτερες μεταφορτώσεις μουσικής σε λίστες αναπαραγωγής. Άκουγε εκατοντάδες κομμάτια την ημέρα. Μερικές μέρες είχε αρκετό κατάλληλο περιεχόμενο για playlist. Μερικές μέρες δεν το έκανε. Άρχισα να αναρωτιέμαι αν υπάρχει τρόπος να αυτοματοποιηθεί η εύρεση των καλύτερων κομματιών για ένα δεδομένο σενάριο. Με αυτόν τον τρόπο, θα μπορούσε να χρησιμοποιήσει τις δεξιότητές του ως ειδικός στη μουσική για επιμέλεια, αντί να λειτουργεί απλώς ως φίλτρο για κακή μουσική.

Το Musiio δημιουργήθηκε όταν γνώρισα τον συνιδρυτή μου Aron Pettersson μέσω της θερμοκοιτίδας start-up Entrepreneur First στη Σιγκαπούρη το 2018. Ο Aron είναι μια ιδιοφυΐα AI. Όταν μιλούσαμε για τρόπους με τους οποίους θα μπορούσαμε να συνεργαστούμε, συνειδητοποιήσαμε ότι μπορεί να μπορούσαμε να χρησιμοποιήσουμε τις δεξιότητες AI του Aron για να λύσουμε το πρόβλημα του φιλτραρίσματος βάσει μουσικής, την αυτόματη προσθήκη ετικετών ή αναζήτηση μουσικής με είδη, διαθέσεις, BPM, κ.λπ. ή αναζητήσεις βάσει δακτυλικών αποτυπωμάτων . Ο Aron κατασκεύασε ένα πρωτότυπο του αλγορίθμου σε ένα απόγευμα και το ρυθμίσαμε να λειτουργεί σε ένα δωρεάν αρχείο μουσικής. Βγήκαμε για φαγητό, αφήνοντάς το να επεξεργαστεί τα δεδομένα. Όταν επιστρέψαμε, μείναμε έκπληκτοι από την ακρίβεια των αποτελεσμάτων. Δεν θα μπορούσαμε να ελπίζουμε σε μια πιο επιτυχημένη απόδειξη της ιδέας. Από εκεί, βελτιστοποιήσαμε μαζικά τον αλγόριθμο. Έχουμε μια ομάδα μουσικής που βοηθά στη διδασκαλία της τεχνητής νοημοσύνης και διεξάγει QA, και έχουμε κυκλοφορήσει προϊόντα για προσθήκη ετικετών, αναζήτηση αναφοράς ήχου, playlist και ακόμη και επιλογή τμημάτων τραγουδιών για πλατφόρμες όπως το TikTok.

Ποιοι είναι οι διαφορετικοί τύποι μάθηση μηχανής αλγόριθμοι που χρησιμοποιούνται;

Έχουμε φτιάξει τους δικούς μας ιδιόκτητους αλγόριθμους και θεωρούμε ότι αυτή η μυστική σάλτσα μας! Ο συνιδρυτής μου, ο Aron, βρίσκεται στην πρώτη γραμμή της μηχανικής μάθησης για πάνω από μια δεκαετία, δουλεύοντας σε θέματα μοριακής βιολογίας, νευροεπιστήμης, φυσικής, ακόμη και ανάπτυξης παιχνιδιών. Οδηγεί την ομάδα μας AI. Εκμεταλλευόμαστε επίσης τη μεγάλη διαθέσιμη τεχνολογία όπως το TensorFlow, το Kubernetes και τις Υπηρεσίες Google Cloud για επεκτασιμότητα και για να παραδίδουμε τα προϊόντα μας σε μαζική κλίμακα, στον μεγαλύτερο όγκο μας προσθέταμε ετικέτες 5,000,000 κομματιών την ημέρα! Έχουμε επίσης αφιερώσει σημαντικό χρόνο και προσπάθεια για τον εξορθολογισμό των ροών εργασίας μας στο JIRA. Δεν έχει να κάνει μόνο με τα εργαλεία που χρησιμοποιείτε, αλλά και με το πόσο αποτελεσματικά μπορείτε να εργαστείτε με μια ομάδα προγραμματιστών και ειδικών στη μουσική. Ο συνδυασμός των δύο ομάδων AI και Music είναι το δεύτερο μέρος της μυστικής μας σάλτσας.

Ποιες είναι μερικές από τις προκλήσεις πίσω από τη δημιουργία μιας μηχανής αναζήτησης για μουσική;

Η ταχύτητα και η ακρίβεια είναι οι μεγάλες προκλήσεις με την αναζήτηση. Πρέπει να είναι γρήγορο γιατί οι άνθρωποι το χρησιμοποιούν σε πραγματικό χρόνο. Αυτό είναι διαφορετικό από την προσθήκη ετικετών, επειδή ένας χρήστης συχνά κάνει πολλά ερωτήματα αναζήτησης, αλλά η προσθήκη ετικετών γίνεται μόνο μία φορά.

Υπάρχουν διάφορα πράγματα που μπορείτε να κάνετε για να επιταχύνετε την αναζήτηση. Θα μπορούσατε απλώς να εμφανίσετε κομμάτια που μοιράζονται τις ίδιες ετικέτες με το αρχικό κομμάτι σας, αλλά θα θυσιάζατε την ακρίβεια. Μια καθαρή αναζήτηση αναφοράς ήχου σε έναν κατάλογο 200 εκατομμυρίων κομματιών, για παράδειγμα, μπορεί να διαρκέσει πολύ, ώστε να εξισορροπείτε συνεχώς την ταχύτητα και την ακρίβεια και να αναζητάτε λύσεις. Είναι δύσκολο και μερικές από αυτές είναι σκληρά κερδισμένη γνώση, αλλά αυτό που μπορώ να μοιραστώ είναι ότι μετατρέπουμε αρχεία ήχου σε φασματογράμματα, εξαιρετικά λεπτομερή δακτυλικά αποτυπώματα αρχείων ήχου και όταν πραγματοποιούμε μια αναζήτηση αναφοράς ήχου, ο αλγόριθμος αναλύει έως και 1,500 σημεία δεδομένων – πολύ πέρα ​​από ό,τι είναι δυνατό μόνο με τις ετικέτες λέξεων. Και αποκτά δύσκολα περιγραφόμενα μουσικά χαρακτηριστικά, όπως η φωνητική ποιότητα, η ατμόσφαιρα και η ατμόσφαιρα. Επιτρέπουμε επίσης στους χρήστες να ορίζουν φίλτρα, ώστε οι αναζητήσεις τους να είναι πιο γρήγορες και εστιασμένες.

Μια άλλη πρόκληση είναι πώς διαχειρίζεστε τη συνάφεια. Οι περισσότεροι άνθρωποι δεν θα περάσουν από την πρώτη σελίδα των αποτελεσμάτων, επομένως έχουμε αφιερώσει πολύ χρόνο σε αυτό.

Ποια προβλήματα επιλύει το Musiio για πελάτες b2b;

Εξυπηρετούμε οποιονδήποτε έχει κατάλογο μουσικής. Έχουμε δημιουργήσει την τεχνολογία σε κλίμακα, είτε είστε μουσικός που δεν έχει χρόνο να προσθέσει ετικέτα στη μουσική και θέλει να επικεντρωθεί στη δημιουργία, είτε μια υπηρεσία ροής με εκατοντάδες εκατομμύρια κομμάτια.

Βοηθάμε τις δισκογραφικές να οργανώσουν τα δεδομένα τους για καλύτερη πλοήγηση στον κατάλογο, βοηθάμε να συγχρονίσουν εταιρείες (που βάζουν μουσική σε βίντεο/τηλεόραση και ταινίες) να αποκαλύψουν κρυμμένα πετράδια και βοηθούμε τις υπηρεσίες ροής να δημιουργήσουν καλύτερες λίστες αναπαραγωγής. Το πρόβλημα που αντιμετωπίζουν όλες αυτές οι εταιρείες είναι ότι η χειροκίνητη επεξεργασία του ήχου ακούγοντας κάθε κομμάτι απαιτεί εργασία και είναι δύσκολο να γίνει με ακρίβεια για παρατεταμένη περίοδο. Έβαλα ετικέτα σε 1000 κομμάτια ως πείραμα. Χρειάστηκαν δύο εβδομάδες και δεν ήταν καθόλου διασκεδαστικό. Το AI μας μπορεί να προσθέσει ετικέτες σε εκατομμύρια κομμάτια την ημέρα με ακρίβεια 90-99%.

Με το προϊόν μας Musiio Search, επιτρέπουμε στους B2B πελάτες μας να προσφέρουν αναζήτηση αναφοράς ήχου ως δυνατότητα. Εάν ένας παραγωγός βίντεο αναζητά μια τοποθέτηση μουσικής, θα ξεκινούσε κατανοώντας τις προσδοκίες του πελάτη του για το είδος, τη διάθεση, το BPM και στη συνέχεια θα πραγματοποιούσε αναζήτηση στον ιστότοπο που έχει επιλέξει.

Το Musiio συντομεύει αυτή τη διαδικασία με τους συνεργάτες μας που εγκαθιστούν την αναζήτησή μας, επιτρέποντας στον ίδιο παραγωγό βίντεο να χρησιμοποιήσει ένα «κομμάτι αναφοράς» για να πραγματοποιήσει αναζήτηση σε ολόκληρη τη βάση δεδομένων μέσα σε λίγα δευτερόλεπτα. Το AI μας θα σαρώσει το κομμάτι αναφοράς και θα επιστρέψει τις πλησιέστερες αντιστοιχίσεις ήχου.

Το Musiio κυκλοφόρησε πρόσφατα ένα προϊόν NFT Song Slicer, θα μπορούσατε να περιγράψετε τι είναι αυτό;

Το NFT Song Slicer είναι ένα πρωτότυπο που έχει σχεδιαστεί για να βοηθά τους καλλιτέχνες να έχουν μεγαλύτερη αξία από τη μουσική τους. Χρησιμοποιεί μια διαδικασία που βασίζεται στην τεχνητή νοημοσύνη για να βρει τα επιθυμητά hook σε ένα κομμάτι – έως τρία ανά τραγούδι – και να δώσει κωδικούς χρόνου, ώστε ένας καλλιτέχνης να μπορεί να κόψει αυτές τις ενότητες τραγουδιών ως NFT. Μπορεί επίσης να το κάνει αυτόματα για ολόκληρους καταλόγους, διευκολύνοντας τις ετικέτες και τους καλλιτέχνες με μεγάλους καταλόγους πίσω να δημιουργούν γρήγορα νέα ψηφιακά συλλεκτικά στοιχεία.

Ποιες είναι μερικές πιθανές περιπτώσεις χρήσης για αυτόν τον τύπο προϊόντος Song Slicer;

Για ιδιοκτήτες καταλόγων ή καλλιτέχνες με εκτενή κατάλογο πίσω, το NFT Song Slicer μπορεί να επιλέξει τις πιο πολύτιμες ενότητες σε εκατομμύρια τραγούδια την ημέρα. Οι δισκογραφικές, για παράδειγμα, μπορούν στη συνέχεια να μετατρέψουν αυτά τα κομμάτια τραγουδιών σε NFT και να τα πουλήσουν ως ψηφιακά εμπορεύματα περιορισμένης έκδοσης.

Με την επανάσταση του streaming, είναι δύσκολο για τους θαυμαστές να πάρουν ένα δολάριο στην τσέπη των καλλιτεχνών που αγαπούν. Εξετάζουμε το NFT Song Slicer ως έναν τρόπο για τους θαυμαστές να υποστηρίξουν τους αγαπημένους τους καλλιτέχνες και για τους θαυμαστές να κατέχουν ψηφιακά συλλεκτικά αντικείμενα. Κάθε κομμάτι μπορεί επίσης να τιμολογηθεί διαφορετικά από έναν κάτοχο δικαιωμάτων. Για παράδειγμα, ένα ρεφρέν μπορεί να κοστίζει περισσότερο από έναν στίχο.

Και, επειδή το NFT Song Slicer προσδιορίζει τα πιο πολύτιμα τμήματα ενός κομματιού, βλέπουμε αυτήν την τεχνολογία να προσφέρει προβλέψεις αξίας για NFT και ακόμη και ολόκληρους μουσικούς καταλόγους.

Ποιο είναι το όραμά σας για το μέλλον του Musiio;

Λέω ότι το Musiio είναι το ένα τρίτο μιας εταιρείας δισεκατομμυρίων δολαρίων. Για να δημιουργήσετε αυτήν την εταιρεία, χρειάζεστε τρία μέρη. Το πρώτο είναι η νόμιμη πρόσβαση σε μεγάλους όγκους δεδομένων, ή ένας «αγωγός». Το δεύτερο μέρος είναι η τεχνολογία. Αυτοί είμαστε εμείς και είμαστε πολύ καλοί σε αυτό που κάνουμε. Το τρίτο και τελευταίο μέρος είναι μια ετικέτα: ένας τρόπος για να κερδίσετε χρήματα από αυτό που βρίσκετε, αναζητάτε ή ανακαλύπτετε. Το Musiio εργάζεται πάντα προς αυτόν τον μακροπρόθεσμο στόχο.

Πιστεύετε ότι η τεχνητή νοημοσύνη θα είναι σε θέση να γράφει και να δημιουργεί μουσική στο εγγύς μέλλον;

Είμαι αρκετά ειλικρινής ότι δεν είμαι μεγάλος οπαδός της AI για δημιουργικότητα. Είναι ένα διασκεδαστικό ακαδημαϊκό πείραμα, και υπάρχουν συστήματα που το κάνουν, αλλά απλά δεν βλέπω την ανάγκη για αυτό. Το Musiio λειτουργεί τόσο καλά γιατί κανείς δεν θέλει να προσθέτει ετικέτα σε χιλιάδες τραγούδια την ημέρα. Δεν είναι διασκεδαστικό και δεν χρειάζεστε κάποιον για να το κάνει αποτελεσματικά ή γρήγορα. Αλλά η δημιουργία μουσικής; Δεν είμαι τόσο σίγουρος. Δεν λείπουν άνθρωποι που θέλουν να κάνουν μουσική.

Ακόμα κι έτσι, νομίζω ότι απέχουμε τουλάχιστον πέντε με 10 χρόνια από το να ακούγεται καλά η μουσική που δημιουργείται από AI. Άκουσα κάποια μουσική για πιάνο που δημιουργήθηκε από τεχνητή νοημοσύνη τις προάλλες, και είναι δύσκολο να καταλάβω αν είναι γραμμένο από τεχνητή νοημοσύνη ή απλώς κάποιον που δεν είναι πολύ ολοκληρωμένος. Δεν είμαι πεπεισμένος ότι μια απόδοση AI θα είναι ποτέ δυσδιάκριτη από έναν ολοκληρωμένο ανθρώπινο παίκτη.

Και γιατί θα θέλατε να είναι; Πολλά από αυτά που κάνουν τη μουσική ενδιαφέρουσα είναι η παράδοση γύρω από έναν καλλιτέχνη, η προσωπικότητα, το στυλ και το μήνυμά του. Δεν είναι μόνο η μουσική.

Υπάρχει κάτι άλλο που θα θέλατε να μοιραστείτε σχετικά με το Musiio;

Είμαι πολύ ενθουσιασμένος που το Musiio μόλις κέρδισε την 4η θέση στο Fast Company Οι 10 πιο καινοτόμες μουσικές εταιρείες του 2022. Η ομάδα και η τεχνολογία μας έχουν αναπτυχθεί από τον σπόρο μιας ιδέας στη διεθνή αναγνώριση μαζί με τεράστια ονόματα του κλάδου όπως το Hipgnosis και το SoundCloud. Είναι ένας φόρος τιμής στο αίμα, τον ιδρώτα και τα δάκρυα που έχει βάλει η ομάδα μας στα κορυφαία προϊόντα μας. Είμαστε τόσο ενθουσιασμένοι που βρισκόμαστε στην αιχμή της τομής μεταξύ μουσικής και τεχνολογίας. Και γνωρίζοντας ότι υπάρχουν περιπτώσεις χρήσης που δεν έχουμε καν σκεφτεί ακόμα, με ενθουσιάζει πολύ για το μέλλον.

Σας ευχαριστούμε για την υπέροχη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να το επισκεφτούν Μουσείο.