Hazel Savage, CEO y Co-Fundadora de Musiio – Serie de Entrevistas

Musiio proporciona herramientas de análisis, etiquetado y búsqueda impulsadas por IA a algunos de los catálogos de música más grandes del mundo, contando con Sony Music, Hipgnosis, Amanotes, Epidemic Sound y Blanco Y Negro entre sus clientes.

Una guitarrista rockera convertida en Co-Fundadora y CEO, Hazel Savage ha pasado 15 años en la industria de la música trabajando para algunas de las marcas de música más grandes del mundo – desde apilar estantes en HMV hasta dirigir equipos en empresas a la vanguardia de la escucha y recomendación de música, Hazel entiende las necesidades de la industria desde el músico hasta la gran multinacional.

¿Ha estado en la industria de la música durante más de 15 años, qué lo hace tan apasionado sobre la música, y por qué quiso involucrarse en la industria de la música?

Mis padres eran bastante rock and roll. Eran grandes fanáticos de la música, así que siempre estuve rodeado de música creciendo. Luego, para mi cumpleaños número 13, me regalaron una guitarra. Todavía toco y tengo una pasión por actuar en vivo. Así que cuando estaba tratando de decidir qué iba a hacer con mi vida, tenía sentido centrarme en algo que había dedicado casi todo mi tiempo.

Terminé haciendo un montón de cosas tangencialmente relacionadas. Toqué en una banda. Manejé bandas. Organicé noches de club. Estaba repartiendo folletos para las noches de club de otras personas, manejando listas de invitados, y antes de que me diera cuenta, se convirtió en una carrera, aunque definitivamente con un giro tecnológico.

¿Podría compartir la historia de génesis detrás de Musiio?

Mi primer trabajo después de la universidad fue apilar estantes en HMV (la tienda de discos del Reino Unido). Así que, se podría decir que he sido consciente de los problemas de categorizar la música desde entonces. Avanzando unos años (a través de Shazam, Pandora y Universal), y estaba trabajando para una plataforma de música de usuario generado con miles de pistas subidas a diario. Trabajé con un creador de listas de reproducción que tenía que recopilar manualmente las mejores subidas de música en listas de reproducción. Él escuchaba cientos de pistas al día. Algunos días tenía suficiente contenido adecuado para una lista de reproducción. Algunos días no. Empecé a preguntarme si podría haber una forma de automatizar la búsqueda de las mejores pistas para un escenario determinado. De esa manera, él podría usar sus habilidades como experto en música para la curación, en lugar de simplemente actuar como un filtro para la mala música.

Musiio se formó cuando conocí a mi co-fundadora Aron Pettersson a través del incubador de startups Entrepreneur First en Singapur en 2018. Aron es un genio de la IA. Cuando estábamos hablando de formas en que podríamos trabajar juntos, nos dimos cuenta de que podríamos usar las habilidades de Aron en IA para resolver el problema de filtrado basado en música, etiquetado automático o búsqueda de música con géneros, estados de ánimo, BPM, etc. o búsquedas basadas en huellas dactilares. Aron construyó un prototipo del algoritmo en una tarde, y lo pusimos a trabajar en un archivo de música gratuito. Salimos a almorzar, dejándolo procesar los datos. Cuando regresamos, nos sorprendió la precisión de los resultados. No podríamos haber esperado un concepto de prueba más exitoso. Desde entonces, hemos optimizado el algoritmo enormemente. Tenemos un equipo de música que ayuda a enseñar a la IA y realiza pruebas de calidad, y hemos lanzado productos para etiquetado, búsqueda de referencia de audio, creación de listas de reproducción e incluso selección de segmentos de canciones para plataformas como TikTok.

¿Cuáles son los diferentes tipos de algoritmos de aprendizaje automático que se utilizan?

Hemos construido nuestros propios algoritmos patentados, y consideramos que esto es nuestra salsa secreta. Mi co-fundador Aron ha estado a la vanguardia del aprendizaje automático durante más de una década, trabajando en biología molecular, neurociencia, física e incluso desarrollo de juegos. Dirige nuestro equipo de IA. También aprovechamos la gran tecnología disponible, como TensorFlow, Kubernetes y Google Cloud Services, para escalabilidad y para entregar nuestros productos a gran escala, en nuestro mayor volumen, estábamos etiquetando 5.000.000 de pistas al día. También hemos dedicado mucho tiempo y esfuerzo a optimizar nuestros flujos de trabajo en JIRA; no se trata solo de qué herramientas usas, sino de cómo puedes trabajar de manera eficiente con un equipo de desarrolladores y expertos en música. La combinación de los dos equipos, IA y Música, es la segunda parte de nuestra salsa secreta.

¿Cuáles son algunos de los desafíos detrás de la construcción de un motor de búsqueda para música?

La velocidad y la precisión son los grandes desafíos con la búsqueda. Tiene que ser rápido porque la gente lo está utilizando en tiempo real. Esto es diferente al etiquetado porque un usuario hará varias consultas de búsqueda, pero el etiquetado solo ocurre una vez.

Hay varias cosas que puedes hacer para acelerar la búsqueda. Podrías mostrar solo pistas que compartan las mismas etiquetas que tu pista de referencia, pero sacrificarías la precisión. Una búsqueda de referencia de audio puro a través de un catálogo de 200 millones de pistas, por ejemplo, puede tomar mucho tiempo, así que constantemente estás equilibrando velocidad y precisión, y buscando soluciones. Es complicado y parte de ello es conocimiento difícil de obtener, pero lo que puedo compartir es que convertimos archivos de audio en espectrogramas, huellas dactilares muy detalladas de archivos de audio, y cuando realizamos una búsqueda de referencia de audio, el algoritmo analiza hasta 1.500 puntos de datos, mucho más allá de lo que es posible con etiquetas de palabras solas. Y detecta características musicales difíciles de describir, como la calidad vocal, la atmósfera y el ambiente. También permitimos a los usuarios definir filtros, para que sus búsquedas puedan ser más rápidas y enfocadas.

Otro desafío es cómo manejar la relevancia. La mayoría de la gente no irá más allá de la primera página de resultados, así que hemos dedicado mucho tiempo a eso.

¿Qué problemas resuelve Musiio para los clientes B2B?

Servimos a cualquiera con un catálogo de música. Hemos construido la tecnología para escalar, ya sea que seas un músico que no tiene tiempo para etiquetar música y quiere centrarse en crear, o un servicio de streaming con cientos de millones de pistas.

Ayudamos a las discográficas a organizar sus datos para una mejor navegación del catálogo, ayudamos a las empresas de sincronización (que ponen música en video/TV y cine) a descubrir joyas ocultas, y ayudamos a los servicios de streaming a crear mejores listas de reproducción. El problema que enfrentan todas estas empresas es que procesar audio manualmente escuchando cada pista es laborioso y difícil de hacer con precisión durante un período sostenido. Etiqueté 1000 pistas como un experimento. Me tomó dos semanas y no fue divertido en absoluto. Nuestra IA puede etiquetar millones de pistas al día con una precisión del 90-99%.

Con nuestro producto Musiio Search, permitimos a nuestros clientes B2B ofrecer búsqueda de referencia de audio como una característica. Si un productor de video está buscando una colocación de música, comenzaría entendiendo las expectativas de su cliente sobre género, estado de ánimo, BPM, y luego buscaría en su sitio elegido.

Musiio acorta este proceso con nuestros socios que instalan nuestra búsqueda, permitiendo al mismo productor de video utilizar una ‘pista de referencia’ para buscar en toda la base de datos en cuestión de segundos. Nuestra IA escaneará la pista de referencia y devolverá las coincidencias de audio más cercanas.

Musiio lanzó recientemente un producto de división de canciones NFT, ¿podría describir qué es esto?

NFT Song Slicer es un prototipo diseñado para ayudar a los artistas a obtener más valor de su música. Utiliza un proceso impulsado por IA para encontrar ganchos deseables en una pista, hasta tres por canción, y da códigos de tiempo para que un artista pueda acuñar estas secciones de canciones como NFT. También puede hacerlo automáticamente para catálogos completos, lo que facilita a las discográficas y artistas con grandes catálogos de respaldo crear rápidamente nuevos activos digitales coleccionables.

¿Cuáles son algunos posibles casos de uso para este tipo de producto de división de canciones?

Para propietarios de catálogos o artistas con un catálogo de respaldo extenso, NFT Song Slicer puede seleccionar las secciones más valiosas en millones de canciones al día. Las discográficas, por ejemplo, pueden convertir estas secciones de canciones en NFT y venderlas como mercancías digitales de edición limitada.

Con la revolución del streaming, se ha vuelto difícil para los fanáticos obtener un dólar en el bolsillo de los artistas que aman. Vemos a NFT Song Slicer como una forma para que los fanáticos apoyen a sus artistas favoritos, y para que los fanáticos posean coleccionables digitales. Cada sección también puede tener un precio diferente asignado por un titular de derechos. Por ejemplo, un coro podría costar más que un verso.

Y, porque NFT Song Slicer identifica las secciones más valiosas de una pista, vemos que esta tecnología ofrece predicciones de valor para NFT y incluso catálogos de música completos.

¿Cuál es su visión para el futuro de Musiio?

Digo que Musiio es una tercera parte de una empresa de mil millones de dólares. Para construir esa empresa, necesitas tres partes. La primera es el acceso legal a grandes volúmenes de datos, o una “tubería”. La segunda parte es la tecnología. Esto es lo que nosotros somos, y somos muy buenos en lo que hacemos. La tercera y última parte es una etiqueta: una forma de monetizar lo que encuentras, buscas o descubres. Musiio siempre está trabajando hacia este objetivo a largo plazo.

¿Siente que la IA podrá escribir y generar música en el futuro cercano?

Soy bastante directo al respecto de no ser un gran fanático de la IA para la creatividad. Es un experimento académico divertido, y hay sistemas que lo hacen, pero no veo la necesidad de ello. Musiio funciona tan bien porque nadie quiere etiquetar miles de canciones al día. No es divertido, y no necesitas a una persona para hacerlo de manera efectiva o rápida. Pero la creación de música! No estoy tan seguro. No hay escasez de personas que quieran hacer música.

Incluso así, creo que estamos al menos a 5 o 10 años de que la música generada por IA suene bien. Escuché una música de piano generada por IA el otro día, y es difícil decir si fue escrita por IA o simplemente por alguien que no es muy hábil. No estoy convencido de que un rendimiento de IA sea indistinguible de un intérprete humano experimentado.

Y, ¿por qué lo harías? Tanta parte de lo que hace que la música sea interesante es la leyenda que rodea a un artista, su personalidad, estilo y mensaje. No se trata solo de la música.

¿Hay algo más que le gustaría compartir sobre Musiio?

Estoy muy emocionada de que Musiio acaba de ser galardonada con el puesto número 4 en la lista de las 10 empresas de música más innovadoras de 2022 de Fast Company. Nuestro equipo y tecnología han crecido desde la semilla de una idea hasta obtener reconocimiento internacional junto a nombres importantes de la industria como Hipgnosis y SoundCloud. Es un tributo a la sangre, sudor y lágrimas que nuestro equipo ha puesto en nuestros productos líderes en la industria. Estamos emocionados de estar a la vanguardia de la intersección entre la música y la tecnología. Y saber que hay casos de uso que aún no hemos pensado nos hace muy emocionados sobre el futuro.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Musiio.